科学家开发出一种应对热固性聚氨酯回收难题的机器学习方法。该数据驱动方案有望将包装废弃物中的聚氨酯泡沫转化为可回收材料。热固性聚氨酯因交联结构和氨基甲酸酯键难以回收,北京化工大学研究团队为此构建了基于图神经网络的活性稳定酶推荐系统。该框架融合自监督与监督学习,可筛选适用于糖酵解过程的高效聚氨酯降解酶。研究人员指出:“2024年全球聚氨酯年消耗量达2200万吨,已成为第二大可水解塑料品类。与PET等可通过熔融挤出重塑无定形态的热塑性塑料不同,热固性聚氨酯无法通过重塑增强酶解敏感性,亟需新型回收技术突破解聚瓶颈。”
发表于《科学》的研究表明,许多酶“拥有被传统分类方法掩盖的活性多样性”。研究中发现,传统归类为酯酶的酶实际上主要呈现聚氨酯降解活性。通过该系统筛选出的24种优选酶已在实验室中采用商用聚氨酯泡沫和糖酵解衍生物完成验证。科学家强调:“当前酶功能注释可能严重低估其实际潜力。未来研究应聚焦于有效捕捉并放大这些隐藏功能的微观信号,这不仅能深化对酶功能谱的认知,还将推动广谱生物催化剂的开发,应对多领域工业挑战。”
包装行业也在积极推动聚氨酯回收。西班牙研究机构Aimplas近期推出系列先进机械回收方案,可将复杂废弃物重新纳入包装等领域的塑料价值链。