作者
王宏准
审核
刘旋
今天给大家介绍美国德克萨斯大学奥斯汀分校的HalS.Alper教授团队年发表在Nature上的论文“Machinelearning-aidedengineeringofhydrolasesforPETdepolymerization”。本文使用一种基于结构的机器学习算法，设计了一种稳定高活性的PET水解酶。
Part1摘要塑料垃圾是一个生态挑战，酶降解为塑料垃圾回收提供了一种潜在的绿色可扩展途径。聚对苯二甲酸乙二醇酯(PET，一种塑料)占全球全球固体废物的12%。然而，由于PET水解酶对pH和温度敏感、反应速度慢以及无法直接用于未经处理的消费后塑料，其应用受到阻碍。本文使用一种基于结构的机器学习算法设计了一种鲁棒的活性PET水解酶FAST-PETase。其与野生型PETase相比，PET水解活性更高，反应环境更鲁棒。实验证明，来自51种不同热成型产品的未经处理的消费后PET几乎都可以在1周内被FAST-PETase完全降解。FAST-PETase还可以在50?oC下解聚整个热预处理水瓶和水瓶未经处理的无定形部分。最后，我们通过使用FAST-PETase降解塑料垃圾并从回收物中重新合成PET，展示了一个闭环PET回收过程。总的来说，我们的结果证明了在工业规模上进行酶塑料回收的可行性。
Part2前言PET的酶解聚最早于年被报道，目前已知的有19种不同来源的PET水解酶(PHE)。然而，这些酶中的大多数仅在高反应温度（在大约超过70°C的PET玻璃化转变温度附近）和高度加工的底物条件下才显示出明显的水解活性。例如，leaf-branch
转载请注明地址:http://www.abmjc.com/zcmbzl/538.html
