机器学习，再次登上Nature
一、导读
塑料垃圾管理不当会对气候、民生以及生态系统造成一系列影响，是社会发展的一大紧迫挑战。为解决塑料垃圾回收利用的问题，需要一种绿色可控的方法---降解酶。聚乙烯对苯二甲酸脂（PET）是塑料垃圾的主要组成之一，占总固体垃圾的12%。通过快速降解酶作用，PET分解、再聚合后可转换成其他成分，实现碳循环经济。然而，目前大多数PET降解酶（PHEs）适宜的pH范围和温域窄、反应速率慢，在自然环境下活性低，不能直接处理丢弃的塑料垃圾，进而增加垃圾处理的成本。
细菌降解和同化PET（PETase）方法可在环境条件下生效，但它在37℃，24小时后极其不稳定，失去活性。利用蛋白质工程和理论计算的方法设计ThermoPETase和DuraPETase降解酶，吸引了广泛关注。相比于PETase，其热稳定性和催化活性在特定条件下有所提高，但在温和的温度下难以保持降解活性。因而，基于蛋白质工程的方法难以平衡降解酶的稳定性和活性。
二、成果掠影
近日，德克萨斯大学和美国陆军研究实验室在Nature上发表文章，题为“Machine learning-aided engineering of hydrolases for PET depolymerization”。该工作不再考虑蛋白质工程设计降解酶的思路，而是基于结构的深度学习神经网络来提高降解酶的综合性能。采用三维自我监督的卷积神经网络算法。从Protein Data Bank（PBD）中选出19000个序列平衡的蛋白质结构作为一个集合，训练该算法并学习氨基酸局域化学微环境。然后预测没有被局域优化的wild-type（WT）氨基酸位置。
通过MutCompute 获得WT PETase 和 ThermoPETase中，20个全部非氨基酸在每个位置的结构拟合的离散概率分布。这个分布呈现在蛋白质晶体结构上来识别WT氨基残基拟合不如取代基的位置。
采用PAST-PETase降解和PET单体再聚合技术，设计PET循环回收再利用过程，为酶类降解塑料的工业回收提供了一条绿色、高效、经济的方法。
筛选并确定热稳定性和活性高的突变体。利用逐步组合策略，一共生成159个单个或多个预测的突变体。标记反映催化活性和热稳定性的变量，最终选出4个突变体（S121E, T140D, R224Q 和N233K）最合适。
三、数据概览
图1文章出处
图2基于PETase结构的机器学习辅助预测高性能降解酶。(a)从MutCompute提取WT PETase蛋白质结构，(b)基于WT PETase和ThermoPET预测突变体并得到四个性能最好的降解酶，(c)红色热图为PET降解活性图，蓝色为蛋白质结构活性的折叠变化(d)由神经网络预测的突变体稳定FAST-PETase © 2022 Springer Nature
图3WT和lysine降解酶的热稳定性和PET水解活性。(a) 由DSC确定WT和lysine降解酶的Tm，(b) 通过测量PET单体数量评估降解活性 © 2022 Springer Nature
图4FAST-PETase在降解热成型pc-PET产品时的优越性能。(a)51个直接丢弃的pc-PET塑料产品完全降解所需天数，(b)FAST-PETase、WT PETase（WT）、ThermoPETase（Thermo）、DuraPETase、LCC和ICCM在反应温度50℃下降解活性随时间变化，(c) pc-PET片层在FAST-PETase环境中暴露不同时间的AFM图，(d) FAST-PETase 50℃环境中直接丢弃的大型PET容器完全降解过程 © 2022 Springer Nature
图5FAST-PETase完全降解PET水瓶和聚酯产品及FAST-PETase在回收利用PET中的应用。(a) PET水瓶从上到下结晶度，(b) FAST-PETase 50℃环境中水瓶从上到下完全降解率，(c) FAST-PETase、WT PETase（WT）、ThermoPETase（Thermo）、DuraPETase、LCC和ICCM 在反应温度50~72℃内从水解前处理水瓶中释放的PET单体，(d) FAST-PETase 50℃环境中经前处理的水瓶完全降解过程，(e)50℃下采用不同的PHEs降解五个商用聚酯产品，(f)采用FAST-PETase和化学聚合物降解、回收利用彩色塑料垃圾的机理图 © 2022 Springer Nature
四、成果启示
文章针对PET塑料降解和回收利用问题，采用基于结构的深度学习神经网络方法，设计高热稳定性和催化活性的PET降解酶，提出FAST-PETase酶在适宜温域宽、pH范围大，并且可以高效处理直接丢弃的PET塑料产品。同时，设计了PET循环回收再利用过程，为酶类降解塑料的工业回收提供了一条绿色、高效、经济的方法。
文章评论(0)