科学家利用人工智能成功设计出一款可分解塑料的多步酶，为塑料降解问题提供了新的解决方案。这项研究展示了AI在蛋白质设计领域的潜力，同时也暴露了酶反应机制的复杂性，即使有最先进的AI工具，想要让酶真正发挥催化作用仍然是一个巨大挑战。
酶与酯键：破解塑料结构的关键
酶是极其高效的催化剂，能够促进各种复杂的化学反应。然而，自然界并没有专门用于降解塑料的酶，这成为塑料污染治理的一大难题。塑料中的**酯键（ester bond）**是由碳-氧-碳的结构组成，能够通过水解反应断裂，生成带有羟基（COH）和羧基（COOH）的产物。
许多天然酶可以处理生物体系中的酯键，但塑料中的酯键更稳定，因此需要更强大的酶来分解它们。研究团队的目标是利用AI设计一种能有效分解塑料中酯键的酶，特别是聚酯（polyester）类塑料，比如PET（聚对苯二甲酸乙二醇酯）。
AI如何设计新型酶？
研究人员使用了两种AI工具：
1️⃣ RFDiffusion：基于现有的酯键水解酶，生成具有类似活性位点的全新蛋白质。RFDiffusion通过随机种子生成多种不同的蛋白结构，并筛选出可能有效的设计。
2️⃣ PLACER：专注于蛋白质-小分子结合的生成式AI，可以优化蛋白质结构，使其更符合催化需求。PLACER的训练数据来自已知的蛋白-小分子相互作用结构，通过调整随机化结构来学习如何恢复酶的功能性。
实验过程与挑战
🔹 第一轮实验：研究人员用RFDiffusion设计了129种蛋白，但只有两种表现出微弱的催化活性。
🔹 优化策略：团队引入PLACER对这些蛋白进行二次筛选，提高酶的催化活性，最终可催化反应的酶数量增加了3倍以上。
🔹 酶反应停滞问题：尽管优化后的酶能够分解酯键，但许多酶在完成第一步反应后就停止了。这是因为部分反应产物会与酶自身结合，使其失去催化能力。
🔹 进一步优化：团队利用PLACER筛选能够进入中间态的酶，提高了酶的循环反应能力。最终，18%的设计酶成功分解酯键，其中两种（命名为“super”和“win”）能够持续多轮反应，具备真正的催化能力。
🔹 最终突破：研究人员通过多轮RFDiffusion与PLACER的迭代优化，最终设计出一种活性接近天然酶的人工酶，并证明该方法可用于设计能够降解PET塑料的酯酶。
AI辅助酶设计的未来
这项研究表明，尽管AI已经极大加速了酶的设计，但让酶具备完整的催化功能仍然是一项极具挑战性的任务。然而，AI的介入让研究人员可以在计算机上完成大部分筛选工作，减少实验室合成与筛选的成本，并且有可能设计出超越自然界的酶。
研究人员也提出了一个有趣的想法：如果将AI设计的酶放入细菌中，让它们在自然环境中进化，会不会产生更高效的降解能力？ 生命可能会在AI的基础上找到更优的解决方案，这无疑是一个值得探索的方向。