機器學習,再次登上Nature
一、導讀
塑料垃圾管理不當會對氣候、民生以及生態系統造成一系列影響,是社會發展的一大緊迫挑戰。為解決塑料垃圾回收利用的問題,需要一種綠色可控的方法---降解酶。聚乙烯對苯二甲酸脂(PET)是塑料垃圾的主要組成之一,占總固體垃圾的12%。通過快速降解酶作用,PET分解、再聚合后可轉換成其他成分,實現碳循環經濟。然而,目前大多數PET降解酶(PHEs)適宜的pH范圍和溫域窄、反應速率慢,在自然環境下活性低,不能直接處理丟棄的塑料垃圾,進而增加垃圾處理的成本。
細菌降解和同化PET(PETase)方法可在環境條件下生效,但它在37℃,24小時后極其不穩定,失去活性。利用蛋白質工程和理論計算的方法設計ThermoPETase和DuraPETase降解酶,吸引了廣泛關注。相比于PETase,其熱穩定性和催化活性在特定條件下有所提高,但在溫和的溫度下難以保持降解活性。因而,基于蛋白質工程的方法難以平衡降解酶的穩定性和活性。
二、成果掠影
近日,德克薩斯大學和美國陸軍研究實驗室在Nature上發表文章,題為“Machine learning-aided engineering of hydrolases for PET depolymerization”。該工作不再考慮蛋白質工程設計降解酶的思路,而是基于結構的深度學習神經網絡來提高降解酶的綜合性能。采用三維自我監督的卷積神經網絡算法。從Protein Data Bank(PBD)中選出19000個序列平衡的蛋白質結構作為一個集合,訓練該算法并學習氨基酸局域化學微環境。然后預測沒有被局域優化的wild-type(WT)氨基酸位置。
通過MutCompute 獲得WT PETase 和?ThermoPETase中,20個全部非氨基酸在每個位置的結構擬合的離散概率分布。這個分布呈現在蛋白質晶體結構上來識別WT氨基殘基擬合不如取代基的位置。
采用PAST-PETase降解和PET單體再聚合技術,設計PET循環回收再利用過程,為酶類降解塑料的工業回收提供了一條綠色、高效、經濟的方法。
篩選并確定熱穩定性和活性高的突變體。利用逐步組合策略,一共生成159個單個或多個預測的突變體。標記反映催化活性和熱穩定性的變量,最終選出4個突變體(S121E, T140D, R224Q 和N233K)最合適。
三、數據概覽
圖 1?文章出處
圖 2?基于PETase結構的機器學習輔助預測高性能降解酶。(a)從MutCompute提取WT PETase蛋白質結構,(b)基于WT PETase和ThermoPET預測突變體并得到四個性能最好的降解酶,(c)紅色熱圖為PET降解活性圖,藍色為蛋白質結構活性的折疊變化(d)由神經網絡預測的突變體穩定FAST-PETase????2022 Springer Nature
圖 3?WT和lysine降解酶的熱穩定性和PET水解活性。(a) 由DSC確定WT和lysine降解酶的Tm,(b) 通過測量PET單體數量評估降解活性???2022 Springer Nature
圖 4?FAST-PETase在降解熱成型pc-PET產品時的優越性能。(a)51個直接丟棄的pc-PET塑料產品完全降解所需天數,(b)FAST-PETase、WT PETase(WT)、ThermoPETase(Thermo)、DuraPETase、LCC和ICCM在反應溫度50℃下降解活性隨時間變化,(c)?pc-PET片層在FAST-PETase環境中暴露不同時間的AFM圖,(d) FAST-PETase?50℃環境中直接丟棄的大型PET容器完全降解過程???2022 Springer Nature
圖 5?FAST-PETase完全降解PET水瓶和聚酯產品及FAST-PETase在回收利用PET中的應用。(a) PET水瓶從上到下結晶度,(b)?FAST-PETase?50℃環境中水瓶從上到下完全降解率,(c)?FAST-PETase、WT PETase(WT)、ThermoPETase(Thermo)、DuraPETase、LCC和ICCM?在反應溫度50~72℃內從水解前處理水瓶中釋放的PET單體,(d)?FAST-PETase?50℃環境中經前處理的水瓶完全降解過程,(e)50℃下采用不同的PHEs降解五個商用聚酯產品,(f)采用FAST-PETase和化學聚合物降解、回收利用彩色塑料垃圾的機理圖????2022 Springer Nature
四、成果啟示
文章針對PET塑料降解和回收利用問題,采用基于結構的深度學習神經網絡方法,設計高熱穩定性和催化活性的PET降解酶,提出FAST-PETase酶在適宜溫域寬、pH范圍大,并且可以高效處理直接丟棄的PET塑料產品。同時,設計了PET循環回收再利用過程,為酶類降解塑料的工業回收提供了一條綠色、高效、經濟的方法。
文章評論(0)