AI辅助工程改造塑料降解酶，中国科学家开发50℃反应温度最优PET解聚酶，可高效降解51种常见PET产品

“这项研究具有重大意义，它利用令人振奋的创新方法，开发出新的技术手段来应对全球塑料废弃物污染危机。该工作专注于降解 PET 塑料废弃物（占全球 12% 的垃圾废料），并使用深度学习来设计和改造 PET 塑料解聚酶。

作者证明此研究中的工程改造酶不仅比其他 PET 解聚酶，有着更高的 PET 解聚效率，而且能在范围更广的条件下保持活性。”对于美国得克萨斯州大学奥斯丁分校化学工程系博士后发在 Nature 的新论文，一位审核稿人这样表示。

▲图 | 卢泓远（来源：）

研究中，该团队结合酶工程技术和人工智能，改造出一系列 PET（Polyethylene terephthalate，聚对苯二甲酸乙二酯）塑料解聚酶，借此开发出一种能对常见 PET 塑料废弃物、进行高效且完全降解的解聚酶。

其中的最优突变体 FAST-PETase 的 PET 解聚能力，优于现今其他种类的 PET 解聚酶及其改造变体，包括法国 公司改造的嗜热角质酶（LCC，leaf-branch compost cutinase）的变体-ICCM。

据介绍，FAST-PETase 能在相对低温（30-50°C）的反应条件下，展现出优异的 PET 解聚能力，针对 51 种低结晶度的 PET 产品包装、预处理过的高结晶度 PET 塑料瓶、以及化纤织物等，均能直接产生快速高效的解聚效果。

而且，FAST-PETase 的最适反应温度只有 50℃，如在工业中利用它来开发酶介导的降解回收工艺，能大大降低塑料解聚过程中的能源消耗。

其所带来的回收成本也很低，当塑料垃圾的成分比较复杂时，其中的非 PET 成分残留物不会融化形成凝胶。因此，相比使用皂化工艺产生的溶液，酶介导解聚后的 PET 单体溶液，更容易被过滤和回收利用。

另一方面，FAST-PETase 在环境温度以及中性 pH 条件下，比其他 PET 水解酶的 PET 解聚效率高，展现了其和微生物生长条件良好的适配性。相比其他 PET 水解酶，在开发塑料垃圾的生物修复技术上，FAST-PETase 更具潜力。

在具体应用上，借助 FAST-PETase 开发出酶介导的降解回收工艺，有望让 PET 塑料废弃物实现工业化规模的降解回收。

还有两位审稿人分别评价称：“该工作的创新性在于作者开发了能大大提高 PET 塑料解聚速度的工程改造酶。这款酶能完全降解掉 PET，（它的研制成功）是开发酶介导的 PET 塑料废弃物回收工艺的重要一步。”“他们利用机器学习提高了一系列 PET 水解酶的活性，筛选出关键的突变位点、并证明了改变这些位点的氨基酸，能提升这些酶的催化性能。”

（来源：Nature）

据悉，自 1933 年塑料首次被研制出来，目前全球已累计产生 90 多亿吨塑料，约等于现在全世界总人口重量的 20 倍。

塑料已成为现代工业中不可或缺的材料，特别是包装工业。而全球 36% 的塑料被制作成一次性产品，这导致了大量的塑料废弃物（每年 3 亿吨）。

焚烧和填埋，是目前处理塑料废弃物的主要方式，但这两种处理手段不仅会产生对大气、土壤和地下水的二次污染，同时是非可持续发展的。

要解决塑料污染问题，就必须发展塑料的循环经济，开发经济有效的塑料回收技术。然而，目前只有约 9% 的塑料被回收利用。而且传统的回收技术（如机械加工、热裂解等）大多依赖高耗能，且容易产生有毒废弃物的物理工艺或化学工艺。

相比之下，塑料的生物解聚技术绿色无毒无污染，能在相对温和的反应条件下解聚塑料高分子，有望成为塑料废弃物降解、以及资源化回收利用的绿色可持续发展的新途径。

当下，PET 塑料被大量应用于制作一次性使用产品，如食品塑料盒、饮用水瓶等。目前，已有 19 种不同的水解酶被发现拥有可以解聚 PET 的能力。

（来源：Nature）

然而，这些自然酶、或其工程改造变体，大多需要在比较高的反应温度下，才能展现出较为明显的 PET 解聚效果。

这大大限制了水解酶的应用：一方面，相对高温的反应条件，会增加塑料解聚过程中的能源消耗，导致运营成本居高不下；另一方面，高温反应条件与绝大多数微生物底盘无法适配。而且在环境温度下，这些酶无法产生明显的 PET 解聚作用，因此它们很难用于开发处理环境塑料垃圾的生物修复技术。

而此次研究弥补了这一空白。近日，相关论文以《机器学习辅助工程改造 PET 解聚酶》（）为题发表在 Nature 上，担任第一作者，得克萨斯大学奥斯汀分校 McKetta 化学工程系教授哈尔·阿尔珀（）担任通讯作者。

▲图 | 相关论文（来源：Nature）

其他同行专家也高度评价该研究。美国伦斯勒理工学院教授理查德·格罗斯（）评价称，该团队在 50℃ 的反应条件下，开发出了世界上最好的 PET 解聚酶。

“我们开的玩笑成真了”

研究过程中，先是建立了 PET 解聚酶的胞外表达系统、以及酶和 PET 底物的各种表征方法。

然后，他和同事利用机器学习预测突变，借此构建并表征突变体，并从突变库中筛选出有益突变，将有益突变组装到不同的酶支架上，进而筛选出最优突变体。

接下来，针对筛选出的最优突变体、对于现实生活中各种 PET 产品的解聚效果，课题组做了验证，并和其他水解酶的降解效率做了对比。此外，他们还利用酶解聚 PET 结合化学聚合方法，实现了 PET 的闭环回收。

最后，该团队通过解析最优突变体的三维晶体结构，阐明其结构功能关系。并引入最优突变体的有益突变到其同源酶中，使这些突变后的同源酶的 PET 降解能力也得以提高。

其中，在筛选出最优突变体后，课题组决定测试它对生活中 PET 产品的降解效果。为了收集市面上常见的 PET 产品包装，去 Costco、沃尔玛、HEB 等超市进行大采购。

他说：“这部分是项目中最有意思的一环，从没想过去超市‘血拼’也会成为科研的一部分。收集的产品中有各种食品、饮料、医药产品、办公用品、家庭用品、化妆用品（我太太的），冰雪奇缘爱莎和安娜的塑料包装（我女儿的）。由于这些都是无法报销的，导师也把他家里用到的 PET 产品包装都收集了起来给我做实验。”

所以，最后研究中所使用的 51 种 PET 产品包装，其实就是和导师两个家庭日常会用到的 PET 产品包装。并且，除对这些 PET 产品的理化属性做了完整表征，他们还对每一样产品都进行了拍照，力争做到图文并茂。可惜最终期刊那边由于担心刊登这些产品的图片会引发版权问题，就要求作者“忍痛割爱”了。

另据悉，此次论文最早于 2021 年 10 月 10 日，课题组在 bioRxiv 提交了预印本。Nature Catalysis 的一位资深主编看过之后，主动发来邮件认可该工作：“我刚刚阅读了您的预印本论文。我真的很喜欢这篇出色的文章。祝贺你们完成这一优秀的工作。”

当论文被 bioRxiv 作为预印本发表后，该团队也同时把它投到了期刊。因为之前见过有些论文的预印本下面，会有称赞的留言。说：“导师开完笑说我们应该去假装是某某权威期刊的主编，在我们的预印本下给自己留言，说‘你们的工作太出色了，来投我们的期刊吧。’我们哄堂大笑，想不到导师也懂‘水军’策略（当然肯定不会这样做）。可令我们意想不到的是，几周后真的有个权威期刊的资深主编在看过预印本后，主动给我们发来邮件认可我们的工作。”

最终论文发在 Nature 上，这固然令人十分开心。但是，说：“更令我们有成就感的是在论文发表后，我们收到了一些非科研人员的来信、以及小孩的画作来点赞感谢我们的工作，认可我们的工作对解决塑料污染问题的意义。我想，没有什么比这些淳朴真挚的信件画作，更能激励我们继续研究了。”

基于此次成果，他们将开发能更高效异源表达 FAST-PETase 的工程菌株，从而降低塑料降解酶的整体生产成本，以满足工业化应用的低成本需求。

（来源：Nature）

同时，该团队也在开发能将 PET 降解产物、转换为高附加值产品的工程菌株，以实现“变废为宝”即高值化生物转换塑料降解物。另一方面，其也将致力于利用 FAST-PETase 开发处理环境塑料垃圾的生物修复技术。

据介绍，是广东深圳人。本科毕业于美国纽约大学，修读化学与生物工程专业。他说：“我首次接触分子生物实验是在大三，当时我作为本科生研究助理，在学校一个蛋白质工程实验室做实验。在那儿我学会了基本的分子克隆技术、以及模式菌的培养操作。也是从那时起，我对微生物和酶产生了浓厚的兴趣。”

后来，他到香港城市大学读博，期间研究微生物产生物燃料。其表示：“那时我主要用微生物转化纤维素为生物燃料，引入共生培养概念，建立了三组以纤维素为唯一碳源，高效产出氢气和甲烷的共生菌体系；并在生理和分子层面上探究了体系中菌间的互利共生关系与适配机制，为进一步解读共培养机理，阐明共培养微生物之间的生态学关系奠定了一定的基础。”

博士毕业后，在新加坡国立大学开始博后研究。当时，他开发出一种分泌介导型的双荧光高通量筛选方法，并运用该方法定向进化了一种氧化还原酶，大幅度提升了其催化效率，为改造多种工业酶提供了全新的策略。

完成新加坡国立大学博后研究后，他来到得克萨斯大学奥斯汀分校开启如今的博后研究，期间主要探索塑料的生物降解。

他说：“除了上述提到的已完成的、利用人工智能技术改造 PET 塑料降解酶的工作，目前我正在研究其他量大面广的塑料（如聚乙烯、聚苯乙烯、聚丙烯、聚氯乙烯等）的生物降解技术。同时，预计我将在明年（2023 年）回国。”

参考资料：

1.Lu，H.，Diaz，D.J.，Czarnecki，N.J. et al. Machine learning-aided engineering of hydrolases for PET depolymerization. Nature 604，662–667（2022）. https://doi.org/10.1038/s41586-022-04599-z