機器學習建模讓UT Austin科學家找到高效解聚PET的“食塑酶”
在2022 年4 月27 日發表於《自然》雜誌上的一篇文章中,德州大學奧斯汀分校的一支研究團隊,介紹了通過“食塑酶”來加速回收並清理數十億噸垃圾填埋場的新方法。據悉,當前的一些塑料製品,可能需要大自然耗費幾個世紀才能完全降解。而UT Austin 化學工程師們打造的新型變種酶,正好能夠高效地分解環境中的塑料。
視頻截圖(via SCI Tech Daily)
該校McKetta 化學工程系教授Hal Alper 表示:“在眾所周知的廢棄物管理行業之外,還有許多領域都可受益於這種先進的回收處理過程。通過更可持續的’食塑酶’工藝,我們甚至可以開始構想真正的分子級循環塑料經濟”。
換言之,這項技術有助於解決世界上最大的環境問題之一—— 如何處理堆積在垃圾填埋場、並污染大自然水土的數十億噸塑料垃圾?
而這種酶正好可以促進大規模的回收利用,使得主要行業能夠通過在分子水平上回收和再利用塑料,來減少此類廢棄物對環境的影響。
“食塑酶”有望在數小時至幾天內,分解掉大自然需要幾個世紀才能降解的塑料。
目前這項研究的重點是具有熱塑性的聚對苯二甲酸乙二醇酯(簡稱PET)—— 這種材料在食物飲料等各種消費品包裝(以及某些纖維和紡織品)上得到了廣泛的應用—— 佔全球總廢棄物的12% 左右。
具體說來是,這種酶能夠完成一個高效的“循環過程”—— 將塑料分解成更小的部分(解聚)—— 然後以化學方式將其重新組合到一起(再聚合)。某些情況下,這些塑料廢棄物可在短短24 小時內完全分解成單體。
值得一提的是,Cockrell 工程學院與自然科學學院的研究人員,借助機器學習(ML)模型對一種名為PETase 的天然酶的新變種展開了深入研究。
Engineering Enzymes to Reduce Plastic Waste – UT Austin(via)
機器學習模型預測了這些酶中的哪些突變,有助於實現在低溫下快速“解聚”消費後的塑料廢棄物。通過該過程,該團隊就51 種不同的塑料容器、五種不同的聚酯纖維和織物、以及完全由PET 製成的水瓶進行了驗證。
結果發現,在低於50℃ 的溫度下,這種FAST-LETase 酶仍具有相當高效的解聚能力,意味著它能夠在工業上得到大規模運用、且成本效益也相當出眾。
帶領機器模型開發的UT Austin 系統與合成生物學中心教授Andrew Ellington 表示:“從合成生物學、到化學、以及人工智能,這項工作切實展示了將不同學科結合到一起的威力”。
有關這項研究的詳情,已經發表在2022 年4 月27 日正式出版的《自然》(Nature)期刊上。
原標題為《Machine learning-aided engineering of hydrolases for PET depolymerization》。