人工智能用于设计能够消化某些塑料的多步骤酶

酶是由地球上丰富的元素构成的蛋白质，能够促进多种反应，将化学能转化为物理运动，并具有极高的特异性。尽管我们已经在使用定向进化技术来创造现有酶的有用变体，但扩展酶的功能范围仍然有限。

许多我们想要催化的反应（如降解塑料或将二氧化碳转化为复杂分子）目前还没有相应的酶。然而，随着AI驱动的蛋白质设计的出现，我们现在有可能设计出自然界中不存在的酶。最近的研究成功设计出一种全新的酶，能够降解塑料，但这也表明即使是一个简单的酶也可能具有极其复杂的机制。

研究团队专注于分解酯键的反应。酯键由两个碳链通过氧原子连接而成，其中一个碳链与第二个氧原子相连。通过添加水分子，酯键可以被分解为一个带有醇基的碳链和一个有机酸。酯键在生物分子和塑料聚合物中广泛存在，因此分解酯键具有潜在的应用价值。

尽管酯键的分解看起来是一个简单的化学反应，但在酶的作用下，这个过程变得极其复杂。在分解酯键的过程中，其中一个部分会与酶本身的一个氨基酸发生化学连接，这个键必须再次被打破，否则酶将失活。为了完成这些反应，酶需要一个关键的氨基酸，它能够在特定的pH值下从周围的水中提取质子并将其传递给蛋白质中的氨基酸。

研究人员使用AI工具RFDiffusion来设计蛋白质，该工具通过随机种子生成多种蛋白质背景。研究人员要求RFDiffusion匹配酯分解酶家族中氨基酸的平均位置，并将结果输入另一个神经网络，以选择能够形成口袋的氨基酸，从而分解酯并产生荧光分子。然而，在设计的129种蛋白质中，只有两种产生了荧光。

为了提高成功率，研究人员引入了另一个名为PLACER的AI工具。PLACER通过随机化已知蛋白质结构的一部分，并迫使AI学习如何将其恢复到功能状态，从而捕获酶在催化反应过程中采用多种特定结构的细节。使用PLACER后，具有催化活性的酶数量增加了三倍以上。

尽管这些酶在单次反应后停滞，但研究人员使用PLACER筛选能够采用关键中间状态的蛋白质结构，最终设计出能够多次循环反应的酶。通过交替使用RFDiffusion和PLACER，研究人员设计出了一种与自然界中某些酶活性相似的酶，并成功设计出能够降解PET塑料的酯酶。

设计酶，尤其是那些在生物中存在类似酶的酶，仍然是一个巨大的挑战。然而，大部分工作可以在计算机上完成，而不需要人工合成DNA、培养细菌和筛选活性。尽管设计过程中参考了已知的酶，但设计的酶与它们并没有太多的序列共同点，这表明在设计与生物从未接触过的酯反应的酶时，应该具有更大的灵活性。

如果设计出一种对生存至关重要的酶并将其放入细菌中，允许其进化一段时间，生命可能会找到改进我们设计的方法。