Page 54 - 《橡塑技术与装备》2025年1月

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

将蛋白质的序列信息与已知的结构信息相结合，能 化平台快速执行实验，同时通过个性化算法优化实验
够更准确地预测未知蛋白质的结构。“AlphaFold” 由 参数，提高效率和成功率。
DeepMind 开发，是首个在大规模蛋白质结构预测任 4.2.17 生物合成学
务中表现超越结构生物学实验方法的 AI 系统，准确预 AI 系统可以整合各种生物数据，通过数据挖掘和
测了蛋白质结构 分析，提供酶的开发和优化决策支持。AI 不仅加速了
4.2.12 高通量筛选 酶的发现和优化过程，还推动了生物技术的创新，为
传统上，发现新的生物降解酶，需要大量的实验 解决环境、健康和能源等领域的问题提供了新的解决
筛选，而 AI 可以通过构建预测模型，对大量候选分 方案。
子进行快速筛选，大大减少了实验工作量和时间成本。 4.3 AI 塑料降解生物酶的基因改造与应用实
例如，通过深度学习算法分析酶的活性与结构之间的 际案例分析
关系，AI 可以预测哪些分子更有可能成为有效的生物 David Baker 的研究团队成功地应用 AI 从零开始
降解酶。 设计出全新的酶结构，这一创新策略超越了传统的基
4.2.13 设计特定功能新酶 于已知结构的改造方法。他们首先明确目标酶的功能
AI 设计新酶促进废塑料降解行业的创新和可持续 需求，如经济性和环保性。设计开发 “ 菌-酶 ” 协同
发展。AI 不仅可以预测现有酶的结构，通过优化酶的 系统，实现了废弃塑料的 100% 的降解
氨基酸序列，AI 能够预测出具有期望催化活性的新酶 高效催化特定化学反应，然后借助 AI 算法生成
结构。根据废塑料降解的需求，设计具有特定降解功 大量的候选酶结构模型。通过迭代优化，筛选出最有
能的新酶。2023 年，人类首次利用 AI 从头设计出全 可能实现所需功能的结构，并最终通过实验验证其性
新的酶，这标志着 AI 在酶的设计领域的一个重要里程 能。这一过程不仅展示了 AI 在精确预测和设计复杂生
碑。具有高特异性和高效催化性能的酶，为生物催化 物分子方面的潜力，也为快速开发具有特定特性的新
和工业应用开辟了新路径。 型酶提供了可能，这些酶在废塑料生物降解、污染物
4.2.14 数据驱动的决策 清除等领域具有广泛应用前景。
AI 通过分析现有酶数据库，找出可能对新酶设计 AI 加速酶基因的定向进化，通过模拟自然选择过
有用的序列特征或结构元素，识别设计酶和优化酶开 程，快速优化酶的性能，从而提高其在特定环境条件
发过程中的模式和趋势，帮助研究人员做出更明智的 下的适应性和效率。加州大学伯克利分校的研究人员
设计决策。AI 通过实验获取大量的塑料降解数据，包 利用 AI 技术优化了一种名为 FAST-PETase 的酶， AI
括不同类型的塑料、不同微生物产生的酶、酶的活性、 通过模拟酶的结构与功能，预测了酶的活性位点和催
降解速率、温度、pH 值等因素的影响等，并通过 AI 化机制，进而指导了酶的定向进化，该酶能够显著提
技术进行分析，以识别关键因素和规律。数据驱动的 高对 PET 的降解效率。AI 在加速酶基因的定向进化
决策支持系统整合了上述所有步骤的结果，为研究人 此过程中发挥了重要作用，通过高通量筛选和机器学
员提供决策依据，使用机器学习或深度学习算法建立 习算法，快速识别和筛选出具有高降解效率的酶变体。
预测模型。系统可以基于当前的研究进展、成本效益 在生物降解聚乙烯（PE）的研究中，科学家们
分析、环境影响等因素，推荐最佳的酶的设计方向或 通过筛选能够特异性降解 PE 的酶，发现了一种名为
优化策略，指导实验方向。 PE-DH 的酶，该酶具有高效的 PE 降解能力。进一步
4.2.15 高效多酶系统集成设计 酶的选择过程中，研究人员通过比较 PE-DH 与其他
除了单个酶的优化，AI 也被用于设计多酶系统， 已知 PE 降解酶的降解效率、稳定性以及成本等因素，
以协同降解复杂的塑料混合物。通过 AI 预测不同酶相 最终确定 PE-DH 为最优选择。此案例不仅展示了酶
互作用以及它们对不同塑料成分的降解效率，研究人 筛选与选择在特定应用中的重要性，也强调了综合考
员能够设计出高效的多酶系统。这些系统能够更全面 虑多种因素以实现最佳性能的重要性。通过这一系列
地处理不同类型的塑料废物，提高整体的降解效率。 的筛选与选择过程，科研人员能够针对性地开发出针
4.2.16 自动化与个性化 对特定塑料类型的高效生物降解酶，为环保塑料回收
AI 技术可以实现酶开发过程的自动化，通过自动 与处理提供了有力的技术支持。

1
·8· 第 51 卷 第 期