酶作为高效的生物催化剂，能够以极高的特异性促进化学反应。尽管科学家们已经通过定向进化技术成功改造了部分酶，但扩展酶的功能范围仍然面临巨大挑战。随着AI驱动的蛋白质设计技术的出现，研究人员现在能够设计出与自然界中任何酶都不同的全新蛋白质。最近的一项研究展示了AI在设计一种能够消化塑料的全新酶方面的成功，同时也揭示了即使是简单的酶也可能具有极其复杂的机制。

研究团队聚焦于酯键的分解反应，这种化学键广泛存在于生物分子和塑料聚合物中。酯键的分解涉及多个步骤，其中一个中间产物会与酶中的氨基酸形成化学键，这一键必须被后续反应打破，否则酶将失活。为了完成这一复杂的反应，酶需要在活性位点内精确排列多个氨基酸，并在不同阶段进行质子转移。

研究人员首先使用AI工具RFDiffusion生成了一系列蛋白质结构，并筛选出能够容纳酯分子并产生荧光信号的候选酶。然而，在129种设计的蛋白质中，只有两种表现出催化活性。为了提高成功率，研究团队引入了另一个名为PLACER的AI工具。PLACER通过训练学习如何将蛋白质结构恢复到功能状态，从而帮助筛选出能够适应多步反应的酶结构。

通过结合RFDiffusion和PLACER，研究人员成功将具有催化活性的酶数量增加了三倍以上。然而，这些酶在一次反应后便停滞不前，因为反应中间产物与酶形成了稳定的化学键。为了解决这一问题，研究团队进一步优化了PLACER的筛选条件，最终设计出能够在多轮反应中循环的酶，其中两种名为“super”和“win”的酶表现尤为突出。

经过多轮优化，研究团队成功设计出一种与天然酶活性相似的蛋白质，并证明其能够消化PET塑料中的酯键。这一成果展示了AI在蛋白质设计中的巨大潜力，尽管设计过程复杂且耗时，但大部分工作可以在计算机上完成，显著减少了实验筛选的工作量。

尽管设计的酶与已知天然酶的序列相似性较低，但其功能表现表明，AI技术在设计新型酶方面具有广泛的应用前景。未来，研究人员计划进一步探索如何通过进化优化这些人工设计的酶，以提升其性能和稳定性。