发现潜在的塑料降解酶：多组学与机器学习相结合的方法

《Bioresource Technology》：Discovering hidden candidate plastic-degrading enzymes: Combined multi-omics and machine learning strategy

【字体：大中小】 时间：2026年07月08日 来源：Bioresource Technology 8.2

编辑推荐：

•
塑料污染地区的微生物群落显示出塑料降解的迹象。
•
宏基因组分析揭示了微生物群落结构，以及能降解塑料的R. aetherivorans菌种。
•
半监督学习方法有助于识别具有塑料降解能力的候选酶。
•
转录组学分析证实了这些候选酶的转录活性。

引言

全球塑料产量呈持续快速增长趋势，从2000年的2.34亿吨增至2019年的4.6亿吨（OECD，2022年）。据预测，到2050年这一数字还将再翻一番，达到8.84亿吨（Dokl等人，2024年）。

根据2022年的数据，目前塑料废物主要通过三种方式处理：焚烧（33.6%）、填埋（38.5%）和回收利用（14.2%），还有少量在各国之间交易（2.5%）（Houssini等人，2025年）。直接被排放到环境中的塑料废物属于未得到妥善处理的废物，占总废物量的11%（Houssini等人，2025年）。当塑料被填埋或处理不当时，会遭受物理、化学和生物因素的影响而分解成更小的碎片。这些碎片可分为微塑料（小于5毫米）和纳米塑料（小于100纳米），它们会污染环境，对植物、动物和人类造成危害（Rai等人，2021年；Zhang等人，2021年）。

虽然减少塑料消费、提高回收率以及采用可生物降解材料等措施有望改变未来的发展态势（Dokl等人，2024年），但目前的回收策略仍受诸多技术和经济因素的限制。因此，人们越来越关注通过酶或微生物实现塑料的生物降解，相比化学方法，这种途径具有催化速度快、反应条件温和、选择性高且对环境影响较小的优势（Tournier等人，2023年）。不过，要实现规模化应用和工业化生产，仍需开展大量研究（Bergeson等人，2024年）。

要理解塑料的生物降解机制，首先要认识到“塑料”是一个统称，它涵盖了一系列化学成分各异的化合物，每种化合物都有独特的化学组成和物理性质。酶的活性很大程度上受聚合物的化学结构和形态影响，因此需要针对特定塑料设计专门的酶才能实现高效降解（Pérez-García等人，2025年）。微生物拥有极高的酶多样性，能够适应并降解多种聚合物。因此，目前已发现并研究了多种针对特定塑料的微生物降解途径（Ghatge等人，2020年；Mohanan等人，2020年；Pérez-García等人，2025年；Satta等人，2024b年）。

在本研究中，我们选择了三种降解特性差异较大的塑料作为研究对象：聚乙烯（PE），由于其高疏水性和缺乏活性官能团，很难被微生物降解（Ghatge等人，2020年）；聚对苯二甲酸乙二醇酯（PET），这是一种聚酯类材料，其酯键可以被微生物基因组中发现的多种PET水解酶所识别并降解（Tournier等人，2023年）；还有聚氨酯（PU），这是一类化学结构多样的材料，其酯键是多种细菌和真菌物种降解的目标，其中包括Pseudomonas、Bacillus和Rhodococcus属的微生物（Pérez-García等人，2025年）。

鉴于酶的特异性在塑料降解过程中起着至关重要的作用，发现新的塑料降解酶已成为研究领域的重点任务。那些微生物经过长时间适应塑料污染的生态环境，很可能是这类新型降解酶的来源，因为那里可能存在着具有特殊降解能力的酶（Ridley等人，2024年）。通过整合跨学科的研究方法，尤其是宏基因组学和机器学习技术，可以加快研究进程（Herbert等人，2022年）。在高通量测序技术发展的今天，我们已经拥有了大量的测序数据，但其中只有少数序列得到了注释。这一现状凸显出快速且可靠的序列注释工具的重要性。虽然传统的方法主要依赖序列同源性分析，但集成型的机器学习工具或许能在这一领域提供更高的准确性和效率（Wang等人，2024年）。尤其值得注意的是，尽管蛋白质的结构信息是连接序列与功能的关键，但在塑料生物降解研究中，这一信息却几乎未被充分利用（Koehler Leman等人，2023年）。

在这里，我们提出了一种双管齐下的研究方法：首先运用宏基因组学分析长期暴露在塑料污染环境中的微生物群落，然后通过结合序列信息和结构信息，在半监督机器学习框架内预测具有塑料降解功能的蛋白。该方法借助AlphaFold2（Varadi等人，2024年）克服了仅依靠序列信息的局限性，而半监督学习模式则使得可以从公共数据库中获取未标注的蛋白质数据，并将其纳入学习过程之中。

章节要点

实验设计与条件

2023年9月，我们使用了三种不同形态的塑料聚合物来建立微生物富集培养物：聚乙烯粉末和薄膜、聚对苯二甲酸乙二醇酯粉末和颗粒，以及聚氨酯粉末。这些塑料材料由帕多瓦大学工业工程系提供并进行了特性分析。聚对苯二甲酸乙二醇酯的成分可以通过生产流程明确确定，而聚乙烯和聚氨酯则是从意大利维拉多塞的塔列托垃圾填埋场采集的，该填埋场在1980年至1986年间一直处于使用状态，目前正在进行

在塑料碳载体上建立微生物群落

在这项研究中，我们采用了一种结合基因组导向的宏基因组学方法和机器学习技术的策略，前者用于筛选出相关的微生物，后者则用于确定这些微生物所产生的基因产物中的关键候选者（见图1）。后续，我们的机器学习模型还会综合考虑序列信息和结构信息，从而从天然微生物群落中筛选出具有潜在塑料降解能力的蛋白质，这些蛋白质未来有可能被改造并应用于生物技术领域。这种综合性的研究方法旨在充分利用微生物的功能特性

结论

本研究提出了一种基于筛选相关微生物，再依据具有与已知降解酶相似的序列或结构特征的蛋白质来优先筛选塑料降解酶的方法。将这种方法应用于混合微生物培养物后，我们成功筛选出了最有潜力用于降解聚对苯二甲酸乙二醇酯和聚氨酯的候选酶，并确定了那些值得进一步进行功能研究的酶类。主要的

关于手稿准备过程中生成式人工智能及人工智能辅助技术的声明

在撰写本论文的过程中，作者使用了Claude AI（Anthropic）辅助进行科学写作。作者对输出内容进行了必要的审核和修改，并对最终发表的文章内容承担全部责任。

CRediT作者贡献说明

弗拉维奥·阿戈斯蒂尼：文章撰写——审阅与编辑，文章撰写——初稿撰写，结果验证，软件使用，实验研究，定量分析，数据整理，概念构思。维吉尼亚·巴鲁佐：文章撰写——审阅与编辑，结果可视化，研究方法设计，实验研究，定量分析，概念构思。费利西亚娜·雷亚尔·费尔南德斯：文章撰写——审阅与编辑，实验研究，定量分析。亚历山德罗·萨塔：文章撰写——审阅与编辑，研究方法设计，概念构思。罗伯托·拉加：资源提供。迭戈·彭佐：资源提供，

利益冲突声明

作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关联。

引言