Machine learning-aided engineering of hydrolases for PET depolymerization

机器学习辅助设计PET水解酶

来源: NATURE

IF:49.962

摘要：塑料废弃物对生态环境造成严重影响，酶降解为塑料废物回收提供了一条潜在的绿色途径。聚对苯二甲酸乙二醇酯（PET）占全球固体废物的12%，而PET的循环碳经济理论上可以通过快速酶解聚，然后再聚合或转化/增值为其他产品来实现。然而，PET水解酶的应用受到阻碍，因为它们对pH和温度范围缺乏耐受性，反应速率慢，并且无法直接使用未经处理的消费后塑料。在这里，我们使用基于结构的机器学习算法来设计一种PET水解酶。我们的突变体与野生型PETase（预测的N233K / R224Q / S121E和支架的D186H / R280A）相比，含有五种突变，并且相对于野生型在30至50摄氏度和一系列pH水平之间显示出优越的PET水解活性。我们证明，来自51种不同产品的未经处理的PET都可以在1周内被FAST-PETase几乎完全降解。FAST-PETase还可以在50°C下解聚商业水瓶和整个热预处理水瓶中未经处理的无定形部分。最后，我们展示了一种循环PET回收过程，通过使用FAST-PETase并从回收的单体中重新合成PET。总的来说，我们的研究结果证明了在工业规模上进行酶塑料回收的可行途径。