科学探索|机器学习建模让UT Austin科学家找到高效解聚PET的“食塑酶” 机器学习建模让UT|Austin科学家

在 2022 年 4 月 27 日发表于《自然》杂志上的一篇文章中，德州大学奥斯汀分校的一支研究团队，介绍了通过“食塑酶”来加速回收并清理数十亿吨垃圾填埋场的新方法。据悉，当前的一些塑料制品，可能需要大自然耗费几个世纪才能完全降解。而 UT Austin 化学工程师们打造的新型变种酶，正好能够高效地分解环境中的塑料。

文章图片

视频截图（via SCI Tech Daily）
该校 McKetta 化学工程系教授 Hal Alper 表示：“在众所周知的废弃物管理行业之外，还有许多领域都可受益于这种先进的回收处理过程。通过更可持续的‘食塑酶’工艺，我们甚至可以开始构想真正的分子级循环塑料经济” 。
换言之，这项技术有助于解决世界上最大的环境问题之一 —— 如何处理堆积在垃圾填埋场、并污染大自然水土的数十亿吨塑料垃圾？
而这种酶正好可以促进大规模的回收利用，使得主要行业能够通过在分子水平上回收和再利用塑料，来减少此类废弃物对环境的影响。

文章图片

“食塑酶”有望在数小时至几天内，分解掉大自然需要几个世纪才能降解的塑料。
目前这项研究的重点是具有热塑性的聚对苯二甲酸乙二醇酯（简称 PET）—— 这种材料在食物饮料等各种消费品包装（以及某些纤维和纺织品）上得到了广泛的应用 —— 占全球总废弃物的 12% 左右。
具体说来是，这种酶能够完成一个高效的“循环过程”—— 将塑料分解成更小的部分（解聚）—— 然后以化学方式将其重新组合到一起（再聚合）。某些情况下，这些塑料废弃物可在短短 24 小时内完全分解成单体。
值得一提的是，Cockrell 工程学院与自然科学学院的研究人员，借助机器学习（ML）模型对一种名为 PETase 的天然酶的新变种展开了深入研究。

Engineering Enzymes to Reduce Plastic Waste - UT Austin（via）
机器学习模型预测了这些酶中的哪些突变，有助于实现在低温下快速“解聚”消费后的塑料废弃物。通过该过程，该团队就 51 种不同的塑料容器、五种不同的聚酯纤维和织物、以及完全由 PET 制成的水瓶进行了验证。
结果发现，在低于 50℃ 的温度下，这种 FAST-LETase 酶仍具有相当高效的解聚能力，意味着它能够在工业上得到大规模运用、且成本效益也相当出众。
带领机器模型开发的 UT Austin 系统与合成生物学中心教授 Andrew Ellington 表示：“从合成生物学、到化学、以及人工智能，这项工作切实展示了将不同学科结合到一起的威力” 。

文章图片

有关这项研究的详情，已经发表在 2022 年 4 月 27 日正式出版的《自然》（Nature）期刊上。
【科学探索|机器学习建模让UT Austin科学家找到高效解聚PET的“食塑酶”】_本文原题是为《Machine learning-aided engineering of hydrolases for PET depolymerization》。