En enzymvariant skapad av ingenjörer och forskare vid University of Texas i Austin kan bryta ner miljöbegränsande plaster som vanligtvis tar århundraden att brytas ned på bara några timmar till dagar.

Denna upptäckt, publicerad idag i Nature , kan hjälpa till att lösa ett av världens mest pressande miljöproblem:vad ska man göra med de miljarder ton plastavfall som samlas på soptippar och förorenar våra naturliga mark och vatten. Enzymet har potential att överladda återvinning i stor skala som skulle göra det möjligt för stora industrier att minska sin miljöpåverkan genom att återvinna och återanvända plast på molekylär nivå.

"Möjligheterna är oändliga inom olika branscher för att utnyttja denna ledande återvinningsprocess", säger Hal Alper, professor vid McKetta Department of Chemical Engineering vid UT Austin. "Utöver den uppenbara avfallshanteringsindustrin ger detta också företag från alla sektorer möjligheten att ta ledningen i återvinningen av sina produkter. Genom dessa mer hållbara enzymmetoder kan vi börja föreställa oss en verklig cirkulär plastekonomi."

Projektet fokuserar på polyetylentereftalat (PET), en betydande polymer som finns i de flesta konsumentförpackningar, inklusive kakförpackningar, läskflaskor, frukt- och salladsförpackningar och vissa fibrer och textilier. Det utgör 12 % av allt globalt avfall.

Enzymet kunde slutföra en "cirkulär process" för att bryta ner plasten till mindre delar (depolymerisation) och sedan kemiskt sätta ihop den igen (repolymerisation). I vissa fall kan dessa plaster brytas ned till monomerer på så lite som 24 timmar.

Forskare vid Cockrell School of Engineering och College of Natural Sciences använde en maskininlärningsmodell för att generera nya mutationer till ett naturligt enzym som heter PETase som tillåter bakterier att bryta ned PET-plast. Modellen förutsäger vilka mutationer i dessa enzymer som skulle uppnå målet att snabbt depolymerisera plastavfall efter konsument vid låga temperaturer.

Genom denna process, som inkluderade att studera 51 olika plastbehållare, fem olika polyesterfibrer och tyger och vattenflaskor, alla gjorda av PET, bevisade forskarna effektiviteten hos enzymet, som de kallar FAST-PETase (funktionell, aktiv, stabilt och tolerant PETas).

"Det här arbetet visar verkligen kraften i att föra samman olika discipliner, från syntetisk biologi till kemiteknik till artificiell intelligens", säger Andrew Ellington, professor vid Center for Systems and Synthetic Biology vars team ledde utvecklingen av modellen för maskininlärning.

Återvinning är det mest självklara sättet att minska på plastavfallet. Men globalt sett har mindre än 10 % av all plast återvunnits. Den vanligaste metoden för att kassera plast, förutom att slänga den på en soptipp, är att bränna den, vilket är kostsamt, energikrävande och spyr ut skadlig gas i luften. Andra alternativa industriella processer inkluderar mycket energikrävande processer av glykolys, pyrolys och/eller metanolys.

Biologiska lösningar tar mycket mindre energi. Forskningen om enzymer för plaståtervinning har gått framåt under de senaste 15 åren. Men fram tills nu hade ingen kunnat lista ut hur man tillverkar enzymer som kunde fungera effektivt vid låga temperaturer för att göra dem både bärbara och prisvärda i stor industriell skala. FAST-PETase kan utföra processen vid mindre än 50 grader Celsius.

Därefter planerar teamet att arbeta med att skala upp enzymproduktionen för att förbereda för industriell och miljömässig tillämpning. Forskarna har lämnat in en patentansökan för tekniken och tittar på flera olika användningsområden. Att städa upp soptippar och grönska avfallsproducerande industrier är det mest uppenbara. Men en annan viktig potentiell användning är miljösanering. Teamet tittar på ett antal sätt att få ut enzymerna i fält för att städa upp förorenade platser.

"När du överväger tillämpningar för miljösanering behöver du ett enzym som kan arbeta i miljön vid rumstemperatur. Detta krav är där vår teknik har en enorm fördel i framtiden," sa Alper.

Alper, Ellington, docent i kemiteknik Nathaniel Lynd och Hongyuan Lu, en postdoktor i Alpers labb, ledde forskningen. Danny Diaz, en medlem av Ellingtons labb, skapade modellen för maskininlärning. Andra teammedlemmar inkluderar från kemiteknik:Natalie Czarnecki, Congzhi Zhu och Wantae Kim; och från molekylär biovetenskap:Daniel Acosta, Brad Alexander, Yan Jessie Zhang och Raghav Shroff. + Utforska vidare

Ny enzymupptäckt är ytterligare ett steg mot plastavfall