Искусственный интеллект обнаружил лучший фермент для переработки мусорного пластика

[душман]

Загрязнение окружающей среды пластиком представляет собой комплексную проблему, поскольку разные полимеры, такие как полиэфиры, ПЭТ и полиуретан, обладают уникальными химическими связями, требующими специфических методов разрушения. Хотя ферменты для расщепления некоторых пластиков уже разработаны, они решают лишь часть задачи. И если для ПЭТ и ряда других пластиков метод утилизации найден, то полиуретан был не по зубам учёным.

Полиуретан используется в упаковке, как элемент одежды и обуви и во многих других сферах. В 2024 году, к примеру, во всём мире было выпущено 22 млн т этого полимера, разложить который на составляющие химические вещества никак не удавалось. Отчасти полиуретан разлагается при нагреве в присутствии диэтиленгликоля, но базовых компонентов для повторного использования из получившейся смеси всё равно выделить было нельзя. Поэтому полиуретан банально сжигают, приравнивая его к токсичным отходам.

Международная группа учёных решила привлечь для поиска лучшего фермента для разложения полиуретана современные ИИ-инструменты для анализа белков (ферментов). Для начала они изучили работы коллег и отобрали 15 наиболее перспективных кандидатов. Важным условием было обеспечить работу фермента в присутствии диэтиленгликоля при нагреве. В таких обстоятельствах к стабильности белка предъявлялись особые требования. После проверки были оставлены 3 наиболее перспективных фермента, и уже по форме их белков был проведён поиск по реальным базам белковых структур и по базе предсказаний белков AlphaFold компании Google.

Эффективность поиска оказалась невысокой, после чего учёные адаптировали для своих целей нейронные сети Pythia-Pocket и Pythia. В задачи ИИ входил анализ аминокислот в составе перспективных ферментов — насколько сильно они могут вступать в реакцию с другими химическими веществами, а также определение стабильности ферментов в рабочих условиях. Доводка ИИ-инструментов привела к созданию ещё одного — платформы GRAS, которая справлялась с поставленными задачами лучше всего.