PET降解最新突破——基于机器学习的工程化设计实现常温下高效解聚｜再创进展

聚对苯二甲酸乙二酯（PET）是一种常见的塑料，它占到了全球固体垃圾废弃物 12% 的比例。利用酶来降解 PET 于 2005 年被第一次报道，截止目前，各项研究中相继报道了 19 种 PET 水解酶，这些酶可以使 PET 被解聚为单体。但是，大部分的 PET 水解酶只在高温的情况下展示出较好的解聚效果，在常温下效果不佳，这使得降解 PET 的运营成本较高，从而导致这些酶在实际生产中的应用受到了一定的阻碍。
为了解决这一问题，来自德克萨斯大学奥斯汀分校的 Hal Alper 团队与 Andrew Ellington 团队，Nathaniel Lynd 团队以及 Yan Zhang 团队合作，开发了可在常温下高效发挥解聚作用的 PET 水解酶 FAST-PETase，相关研究成果于 2022 年 4 月 27 日以 “Machine learning-aided engineering of hydrolases for PET depolymerization” 一文发表在 Nature 上。

研究人员认为，高度集中的蛋白质工程方法不能考虑整体稳定性和活性之间的进化权衡，而一个中立的、基于结构的深度学习神经网络可以普遍改善酶的功能。因此，团队使用了 3D 自监督学习的卷积神经网络系统 MutCompute。该算法在对来自蛋白质数据库（PDB）的 19000 多个序列平衡的蛋白质结构进行训练的基础上，学习氨基酸的局部化学微环境，从而能够预测蛋白质中野生型（WT）氨基酸没有针对其局部环境进行优化的位置。研究人员利用 MutCompute 总共生成了 159 个单个或几个预测的突变。
通过对这些突变进行排列和分析，辅以热稳定分析实验和 PET 薄膜的分解实验，研究人员发现在 121，224 和 233 三个位点有突变的 PET 水解酶在 30 ºC 和 40 ºC 时其水解活性相比于野生型分别升高了 3.4 倍和 29 倍。其中最优秀的突变体 FAST-PETase （拥有五个突变位点），在 40 ºC 和 50 ºC 时其水解活性相比于商品化的工程酶 ThermoPETase 升高了 2.4 倍和 38 倍，相比于已有的 PET 水解酶，FAST-PETase 更加高效、活性更高，更加稳定性且耐受度更好。

由于在现实应用中，PET 并不会以简单的薄膜形式出现，更多会以未经过处理的消费产品形式出现。为了进一步验证 FAST-PETase 在真实世界的降解效率，研究人员收集了 51 个消费产品用的塑料样本。这些样品最终在一周之内均被 FAST-PETase 完全降解，有的样品可在 24 小时便被降解，且 FAST-PET 酶的解聚（以单体生成量来衡量）几乎以线性速率发生。相比于已有的野生型 PET 水解酶以及工程化的 PET 水解酶，FAST-PETase 的解聚效率提升了 3.2 倍到 141.6 倍。

除了包装材料之外，PET 还大量用于合成纺织业。为此，研究人员评估了 FAST-PETase 在部分降解商业聚酯产品方面的潜在应用。研究人员用在 50 ℃ 下用 FAST-PETase 处理了五种不同的商业聚酯产品，相对于用其他 PET 水解酶，FAST-PETase 可以让样本释放出更多的 PET 单体，展示出了其更高的解聚效率。这表明 FAST-PETase 有可能用于快速有效地降解嵌入纺织物中的 PET 碎片，这为从商业聚酯产品中回收 PET 单体和减少微纤维对环境的影响提供了潜在的途径。

在之前的数据中，FAST-PETase 显示出了在环境温度和 pH 值条件下的高活性。但是，针对 PET 的解聚只是循环塑料经济的一半，研究人员进一步展示了一种闭合循环的 PET 重组利用。他们首先使用 FAST-PETase 解聚塑料垃圾，随后回收单体并重新聚合成原生 PET。从降解液中回收 TPA （一种 PET 单体）的产率可达 94.9%，且纯度超过 97%。随后，研究人员使用化学聚合法使单体直接再生成原生 PET，从降解到重新聚合的完整周期可以在短短几天内完成。这样的方法证明了利用闭环酶/化学回收过程，也就是利用非石油资源生成原生 PET 薄膜的可行性。这为机器学习、酶以及生物催化剂在塑料循环经济中的应用提供了新的思路。