首页 » 科技

机器学习建模让UT Austin科学家找到高效解聚PET的“食塑酶”

2022-05-09 13:35:32 cnBeta.COM
A+ A-

视频截图(via SCI Tech Daily)

该校 McKetta 化学工程系教授 Hal Alper 表示:“在众所周知的废弃物管理行业之外,还有许多领域都可受益于这种先进的回收处理过程。通过更可持续的‘食塑酶’工艺,我们甚至可以开始构想真正的分子级循环塑料经济”。

换言之,这项技术有助于解决世界上最大的环境问题之一 —— 如何处理堆积在垃圾填埋场、并污染大自然水土的数十亿吨塑料垃圾?

而这种酶正好可以促进大规模的回收利用,使得主要行业能够通过在分子水平上回收和再利用塑料,来减少此类废弃物对环境的影响。

“食塑酶”有望在数小时至几天内,分解掉大自然需要几个世纪才能降解的塑料。

目前这项研究的重点是具有热塑性的聚对苯二甲酸乙二醇酯(简称 PET)—— 这种材料在食物饮料等各种消费品包装(以及某些纤维和纺织品)上得到了广泛的应用 —— 占全球总废弃物的 12% 左右。

具体说来是,这种酶能够完成一个高效的“循环过程”—— 将塑料分解成更小的部分(解聚)—— 然后以化学方式将其重新组合到一起(再聚合)。某些情况下,这些塑料废弃物可在短短 24 小时内完全分解成单体。

值得一提的是,Cockrell 工程学院与自然科学学院的研究人员,借助机器学习(ML)模型对一种名为 PETase 的天然酶的新变种展开了深入研究。

Engineering Enzymes to Reduce Plastic Waste - UT Austin(via)

机器学习模型预测了这些酶中的哪些突变,有助于实现在低温下快速“解聚”消费后的塑料废弃物。通过该过程,该团队就 51 种不同的塑料容器、五种不同的聚酯纤维和织物、以及完全由 PET 制成的水瓶进行了验证。

结果发现,在低于 50℃ 的温度下,这种 FAST-LETase 酶仍具有相当高效的解聚能力,意味着它能够在工业上得到大规模运用、且成本效益也相当出众。

带领机器模型开发的 UT Austin 系统与合成生物学中心教授 Andrew Ellington 表示:“从合成生物学、到化学、以及人工智能,这项工作切实展示了将不同学科结合到一起的威力”。

有关这项研究的详情,已经发表在 2022 年 4 月 27 日正式出版的《自然》(Nature)期刊上。

原标题为《Machine learning-aided engineering of hydrolases for PET depolymerization》。

责任编辑:bH_01128

关键词: 科学探索 机器学习建模让UT Austin科学家找到高效解聚PE

点击查看全文(剩余0%)

相关新闻