Page 52 - 《橡塑技术与装备》2025年1月

橡塑技术与装备
HINA R&P TECHNOLOGY AND EQUIPMENT

代谢产物的生成效率，设计新的生物合成途径。 加速了塑料降解生物降解酶的发现和优化，还使得科
3.3 塑料降解酶合成生物学改造和应用的实 学家能够设计出更高效、更特异性的酶，为解决塑料
例及分析 污染提供了更多可能性，还为解决环境问题提供了新
定向进化是一种通过人工选择和遗传操作来加速 的解决方案。
自然选择过程的方法，它允许科学家们在短时间内优 4.1 AI 酶筛选与选择的科学发展特征
化酶的性能。合成生物学应用于定向化过程中，不仅 AI 驱动的酶筛选与选择流程通常涉及数据收集、
加速了酶的优化过程，而且通过精准的基因操作，提 模型构建、预测分析以及验证优化四个主要阶段。首
高了酶对特定塑料的降解效率，为塑料废物的生物降 先，通过实验或数据库获取大量酶的物理化学性质、
解提供了新的途径。 结构特征以及催化活性等信息，作为训练数据集。接
通过集成生物降解酶和生物基塑料技术，合成生 着，利用机器学习或深度学习算法建立预测模型，如
物学技术可以实现塑料废弃物的有效管理和资源的可 支持向量机（SVM）、随机森林（RF）或者神经网络
持续利用，促进循环经济的发展。 （NN），以识别与高催化活性相关的关键参数。在预测
3.4 塑料降解生物酶生物合成学科学发展面 分析阶段，模型将用于预测新酶或变异酶的性能，从
临挑战 而筛选出具有潜在高活性的候选酶。最后，通过实验
基于酶的生物降解塑料合成学研究正处于快速发 验证和进一步优化来确认模型的预测准确性，并最终
展的阶段，但仍面临多个关键的科研方向与技术瓶颈。 选定最佳酶候选者，这一过程结合了 AI 的高效筛选能
需要深入探索不同类型的生物酶对特定塑料基质的降 力和传统实验方法的精确验证，显著提高了酶的开发
解效率与机理，以期开发出更加高效、专一性强的酶 效率和成功率。
系组合，实现对复杂塑料混合物的有效分解。其次， 4.2 AI 酶的设计与优化的科学发展策略
研发具有高稳定性和重复使用性的酶制剂，以降低生 AI 酶设计与优化涉及到多个学科的交叉融合，包
产成本并提高工业应用的经济性，成为当前的一大挑 括化学、生物学、计算机科学和人工智能等。AI 在酶
战。此外，通过合成生物学手段设计和改造天然存在 的设计与优化中的作用主要体现在通过深度学习、机
的或人工创造的酶，以增强其催化活性、耐热性、耐 器学习等人工智能算法，对大量酶结构数据进行分析，
盐性等特性，也是未来科研的重点之一。需要深入探 预测酶的三维结构、活性位点、稳定性等关键特性。
索不同类型的生物酶对特定塑料基质的降解效率与机 AI 能够加速酶的设计过程，通过模拟实验，快速筛选
理，以期开发出更加高效、专一性强的酶系组合，实 出具有理想性质的新酶候选体，甚至能够设计出自然
现对复杂塑料混合物的有效分解。其次，研发具有高 界中不存在的酶分子。此外，AI 还能优化酶的性能，
稳定性和重复使用性的酶制剂，以降低生产成本并提 如提高酶的催化效率、增强其对特定底物的选择性或
高工业应用的经济性，成为当前的一大挑战。此外， 改善其在复杂环境下的稳定性。这一过程不仅极大地
通过合成生物学手段设计和改造天然存在的或人工创 缩短了传统酶研发的时间周期，还为开发高效、环保
造的酶，以增强其催化活性、耐热性、耐盐性等特性， 的生物催化剂提供了可能。
也是未来科研的重点之一。此外，通过合成生物学手 4.2.1 机器学习与深度学习
段设计和改造天然存在的或人工创造的酶，以增强其 通过训练神经网络等模型，AI 能够学习酶的结构
催化活性、耐热性、耐盐性等特性，也是未来科研的 与其催化活性之间的复杂关系，从而预测新的酶结构
重点之一。 或优化现有酶的性能。例如，使用深度学习模型来预
测酶的三维结构，或预测特定氨基酸序列如何影响酶
4 AI 塑料降解生物酶技术的科学发展 的催化效率和稳定性。
随着人工智能（AI）技术的发展，AI 被用于加速 4.2.2 计算化学与分子模拟
酶的设计和优化过程。AI 系统可以预测酶的结构、功 AI 技术能够加速分子动力学模拟、量子化学计算
能和性能，指导科学家们如何进行基因改造以提高酶 和分子对接过程，帮助科学家们理解酶的催化机制，
的降解效率和稳定性。AI 在塑料降解生物酶的开发过 并设计出更高效的酶。
程中扮演着越来越重要的角色，AI 辅助的酶设计不仅

1
·6· 第 51 卷 第 期