专家点评Science丨吴边、崔颖璐团队开发AI模型挖掘全新脲酶：工业条件下聚氨酯塑料全解聚

点评丨谭天伟（中国工程院院士，北京化工大学校长）

丁奎岭（中国科学院院士，上海交通大学校长）

高 福（中国科学院院士，中国生物工程学会理事长）

聚氨酯（PU）塑料作为全球第六大常用聚合物，年产量超过3000万吨，凭借其优异的物理化学性能，已广泛应用于国民经济的多个领域，其产品涵盖建筑隔热与保温材料，生活用品（如床垫、沙发垫材，冰箱与空调的隔热层等），以及交通运输工具（如汽车、飞机座椅等部件）。然而，随着其应用范围和产能规模的持续扩大，聚氨酯废弃物对环境造成的压力日益加剧，推动废旧聚氨酯塑料的资源化再生技术开发已成为当务之急。作为一种高分子聚合物，聚氨酯材料主要由异氰酸酯与聚醚多元醇反应制得。理论上，可通过水解等化学方法将其解聚，回收原始单体实现循环利用。然而，由于聚氨酯具有高度交联的三维网络结构，导致其解聚过程条件苛刻，且难以实现单体的高效、完全回收，严重制约了其闭环再生的产业化进程。

2025年10月30日，吴边/崔颖璐团队在Science杂志发表题为

Glycolysis-compatible

urethanases

for polyurethane recycling

为实现聚氨酯的生物酶解，关键在于开发能够高效水解氨基甲酸酯键的脲酶。然而，现有的EC酶分类系统中，对这类脲酶的分类标注存在缺失。目前已知的少数可水解芳香类氨基甲酸酯的脲酶，在传统生物信息学分类中均被标识为脂肪酶或酰胺酶。因此，研究团队基于前期自主开发的蛋白质Pythia预训练模型（The Innovation 2025, 100750, https://pythia.wulab.xyz），结合监督学习与自监督学习，进一步开发了基于图神经网络的酶挖掘工具GRASE（GNN-based Recommendation of Active and Stable Enzymes）。该工具通过估计蛋白质序列与结构之间的似然性，预测蛋白质稳定性；并利用图神经网络提取催化口袋中氨基酸的局部微环境与整体结构信息，通过在高维空间中计算不同催化口袋特征向量之间的余弦相似度以度量其功能相似性，从而实现对酶底物特异性与反应偏好性的精细推断。

图1：GRASE模型架构图

团队利用GRASE工具，从宏基因组数据中成功挖掘到多个具有氨基甲酸酯降解活性的酶，其中来源于脂环酸芽孢杆菌属（Alicyclobacillus sp.）的AbPURase酶表现出全方位的优异特性。该酶具有一个V形活性口袋，该结构由一个紧密的疏水核心及多个脯氨酸残基所稳定的盖结构域构成。这一独特的结构不仅有助于酶与底物的结合，还有效阻隔了有机溶剂分子向活性中心的渗透，从而保障了AbPURase在高浓度有机溶剂中结构和功能的完整性。

图2：新开发脲酶的结构解析

得益于其独特的天然结构特性，AbPURase酶在工业醇解工艺中的高浓度二乙二醇环境中，活性高达已报道脲酶的465倍，显示出卓越的催化效率和极强的有机溶剂耐受性。在模拟工业化反应条件（底物载量500 g/L）的千克级商业聚醚型聚氨酯泡沫降解实验中，AbPURase在8小时内实现了98.6%的底物转化率，降解单体TDA及醇解剂DEG的回收率分别高达94.7%和98.5%。此外，AbPURase还表现出优异的操作稳定性，可在多轮循环中维持高降解活性，显示出该酶的工业应用潜力。

总体而言，目前人类已知的上亿条蛋白质序列中蕴藏着丰富的生物学规律与演化信息。然而传统酶挖掘方法通常依赖序列相似性或粗粒化的酶学分类号进行筛选，导致大量序列相似度低但功能相似的酶资源被系统性遗漏。研究团队开发的GRASE系统有效突破了传统序列分析方法的局限，通过深度学习捕捉蛋白质局部结构的高维特征，高效挖掘自然界中隐藏的微生物酶资源“暗物质”。该研究不仅为塑料循环利用提供了具备工业应用潜力的解决方案，更推动了人工智能在工业酶开发领域的智能化进程。

本项目由北京化工大学与中科院微生物所联合完成，吴边教授和崔颖璐研究员为论文共同通讯作者，特别研究助理陈艳春、博士研究生孙瑨原和石珂伦为共同第一作者 。

专家点评

谭天伟（中国工程院院士，北京化工大学校长）

塑料工业作为国民经济的重要基础产业，在推动社会进步和提升人民生活品质方面发挥着不可替代的作用。然而，以石油为原料的合成塑料在废弃后所引发的“白色污染”及微塑料扩散问题，已演变为全球性的生态环境危机。自1950年塑料进入大规模工业化生产以来，全球累计产量已达约83亿吨，其中约63亿吨已转化为废弃物；据预测，到2050年，全球塑料年产量将超过340亿吨，历史累计废塑料总量更将高达120亿吨。如此庞大的废弃塑料不仅持续加剧环境压力，还造成大量碳资源因未能有效循环而流失。在此背景下，发展废塑料的高效回收与高值化再生技术，已成为实现国家“双碳”战略目标、推动经济社会绿色低碳转型的关键路径之一。

针对聚氨酯这一全球年产量超3000万吨、应用广泛却难以高效回收的重要大宗塑料，吴边/崔颖璐团队创新性地将人工智能技术融入工业酶开发流程，构建了智能酶挖掘系统GRASE，从海量蛋白质序列中精准识别潜在功能酶，成功发掘出一种新型聚氨酯降解酶AbPURase。该酶在严苛的工业反应条件下表现出卓越的综合催化性能，其对聚氨酯解聚所得单体及醇解剂的回收率与纯度等指标均具备工业化应用潜力，有望实现从“塑料废弃物”到“高值碳原料”的闭环再生。因此该研究为聚氨酯废弃物的绿色资源化提供了创新的技术方案。在国家大力推进绿色生物制造的背景下，展现出积极的示范价值与产业化前景。

专家点评

丁奎岭（中国科学院院士，上海交通大学校长）

塑料是现代工业和日常生活不可或缺的重要材料，产量高、应用广。同时，塑料也是非天然的高分子聚合物，自然降解缓慢、环境压力大，发展可工业化的塑料绿色降解与资源再生利用技术十分必要。

基于自主开发的人工智能技术与平台，吴边/崔颖璐团队近期发展了微生物酶资源的挖掘策略，发现了一种新型脲酶，可以在工业条件下实现聚氨酯的规模化生物解聚。值得称道的是，该酶与工业聚氨酯醇解工艺高度兼容，具有优异的有机溶剂耐受性，在高浓度醇解反应介质中保持了极高的催化活性与稳定性。这一工作为聚氨酯塑料的绿色循环利用提供了具备工业应用前景的解决方案，也是结合AI技术、构建化学-生物融合催化体系并成功应用的一个典型范例。

专家点评

高福（中国科学院院士， 中国生物工程学会理事长）

蛋白质作为生命活动的核心执行者，其“序列-结构-功能”间的内在联系构成了生命科学研究的根本命题。蛋白质不仅是药物靶标、生物材料及工业酶等领域的关键分子，更是支撑生物医药、精准医疗和生物制造等战略性新兴产业高质量发展的核心基石。近年来，随着生物大数据的爆发式增长和深度学习技术的迅猛突破，人工智能（AI）在蛋白质科学领域展现出前所未有的变革潜力。通过计算模拟与自动化设计流程，AI大幅提升了蛋白质功能预测、结构解析及定向改造的效率与精度，正驱动蛋白质研究进入全新范式。可以认为，AI已成为当代蛋白质科学家不可或缺的强大工具。

AI的核心优势在于其卓越的数据处理能力和复杂模式识别能力。在生物医药与绿色制造领域，这意味着能够从海量、高维的生物序列数据中快速筛选出具备特定功能的蛋白质元件，显著压缩研发周期。本研究正是典型例证：团队紧扣国家塑料污染治理与资源循环利用的重大战略需求，依托自主研发的蛋白质功能识别系统，从宏基因组数据中成功挖掘出可用于工业级聚氨酯降解的新型酶资源。这些长期被忽视的“生物暗物质”，为塑料生物回收开辟了全新路径。该工作为蛋白质科学家积极拥抱AI、探索AI for Biotech的技术路径与应用场景提供了示范。

https://www.science.org/doi/abs/10.1126/science.adw4487

制版人： 十一

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

近期直播推荐

点击主页推荐活动

关注更多最新活动！