《科学》期刊发表的一篇论文揭示,研究团队运用神经网络技术成功开发出一种能在八小时内降解聚氨酯泡沫的酶。该团队由北京化工大学生命科学与技术学院的陈艳春领导。
传统回收方法长期受限于聚氨酯的化学稳定性与交联结构,导致解聚困难。为解决这一难题,研究人员开发了GRASE系统——一种基于图神经网络的活性稳定酶推荐机器学习系统,它融合自监督与监督学习,可预测哪些酶能在严苛的糖酵解条件下保持活性。
据Ars Technica报道,科学家使用酶设计与蛋白质工程中的人工智能模型Pithia-Pocket构建了GRASE。该模型专为预测和优化“活性口袋”——酶分子中结合并作用于特定分子的关键区域而设计。
通过该方法,团队发现了AbPURase酶。在接触6摩尔二甘醇(工业聚氨酯回收典型溶剂)时,其活性水平比已知尿烷酶高出两个数量级。这种新型酶实现了千克级商用聚氨酯在八小时内接近完全解聚。
结构分析表明,AbPURase的稳定性与效率源于其紧密堆积的疏水核心及脯氨酸稳定的盖状环结构,这些特性使其能在强腐蚀性溶剂中保持活性。研究人员指出,这一发现为酶辅助化学回收技术处理隔热材料、涂层及弹性体中刚性交联聚氨酯材料开辟了新路径。
作者强调,GRASE标志着深度学习与生物催化在聚合物回收领域融合的重要进展。通过筛选海量酶库并预测工业条件下的稳定性,该人工智能驱动系统显著缩短了寻找合适生物催化剂所需的时间与实验成本。