研究者らは、環境に有害なプラスチックを何世紀もかけず、わずか数時間で分解できる酵素を開発しました。
ポリエチレンテレフタレート（PET）は世界の廃棄物全体の12%を占めます。このプラスチックを分解する酵素は、循環型のプロセスを通じて、わずか24時間でPETのポリマーを分解できました。
この酵素プロセスは50℃という低温で効率的に稼働できるため、持ち運びやすく、大規模な産業利用でも手頃なコストで導入できます。
研究者らは、通常は分解に何世紀もかかる環境に有害なプラスチックを、わずか数時間から数日で分解できる酵素の変異体を作製しました。
この発見は、世界が直面する最も差し迫った環境問題の一つ、すなわち、何十億トンものプラスチック廃棄物が埋め立て地に積み上がり、自然環境や水を汚染しているなかで、それをどう処理するかという問題の解決に役立つ可能性があります。
プラスチックを分解する酵素：プラスチック廃棄物のリサイクルを促進
この酵素は、大規模なリサイクルを大きく加速させる可能性を秘めています。プラスチックを分子レベルで回収・再利用することで、主要産業が環境への影響を低減できるようになります。
「最先端のこのリサイクルプロセスを活用すれば、さまざまな産業に無限の可能性が広がります」と、テキサス大学オースティン校化学工学部の教授、ハル・アルパー氏は述べています。
「廃棄物管理業界はもちろんのこと、あらゆる分野の企業に、自社製品のリサイクルを率先して進める機会をもたらします。こうした、より持続可能な酵素の活用法を通じて、真の循環型プラスチック経済を思い描き始めることができます。」
このプロジェクトは、ポリエチレンテレフタレート（PET）に焦点を当てています。PETは重要なポリマーで、クッキー容器、炭酸飲料のボトル、果物やサラダの包装、特定の繊維や織物など、消費者向け包装の大半に使われています。世界の廃棄物全体の12%を占めます。
このプラスチックを分解する酵素は、プラスチックをより小さな部分に分解する「循環型プロセス」（解重合）を完了し、その後、化学的に再び組み立てる（再重合）ことができました。場合によっては、わずか24時間でプラスチックを完全にモノマーまで分解できます。
研究者らは機械学習モデルを使い、細菌がPETプラスチックを分解する際に働く天然酵素PETaseに、新たな変異を生み出しました。このモデルは、使用後のプラスチック廃棄物を低温で迅速に解重合するという目標を達成するには、これらの酵素にどのような変異が必要かを予測します。
このプロセスでは、使用後のプラスチック容器51種類、ポリエステル繊維5種類、さらにPET製の布地や水筒を調査しました。その結果、研究者らはFAST-PETase（機能性、活性、安定性、耐性を備えたPETase）と名付けた酵素の有効性を実証しました。
プラスチック廃棄物を減らす最も明白な方法はリサイクルです。しかし、世界全体でリサイクルされているプラスチックは10%未満です。プラスチックを埋め立て地に捨てる以外で最も一般的な処分方法は焼却ですが、費用がかかり、多くのエネルギーを消費し、有害なガスを大気中に大量に放出します。ほかの代替的な産業プロセスには、非常にエネルギーを消費するグリコリシス、熱分解、メタノリシスなどがあります。
生物学的な解決策は、必要なエネルギーがはるかに少なくて済みます。プラスチックリサイクルに用いる酵素の研究は、過去15年間で進展してきました。しかし、これまで低温でも効率的に稼働し、持ち運びやすく、大規模な産業利用でも手頃なコストで導入できる酵素の作り方は見つかっていませんでした。FAST-PETaseは50℃（122℉）未満でこのプロセスを実行できます。
次に研究チームは、産業や環境分野での応用に備え、酵素の生産規模を拡大する計画です。研究者らはこの技術の特許を出願しており、複数の用途を検討しています。埋め立て地の浄化や、廃棄物を大量に生み出す産業の環境負荷低減が、最も明白な用途です。もう一つの重要な用途候補は、環境修復です。研究チームは、プラスチックを分解する酵素を現場に投入し、汚染された場所を浄化する方法をいくつか検討しています。
「環境浄化への応用を考える場合、周囲の温度で環境中でも機能する酵素が必要です。この要件を満たせることは、将来に向けて私たちの技術が持つ大きな強みです」とアルパー氏は述べています。
機械学習モデルの開発は、アルパー氏、システム・合成生物学センターの教授アンドリュー・エリントン氏、化学工学の准教授ネイサニエル・リンド氏、アルパー氏の研究室の博士研究員ホンユアン・ルー氏が主導しました。エリントン氏の研究室にかつて所属し、現在はヒューストン・メソジスト研究所の研究科学者であるラガヴ・シュロフ氏は、プラスチックを分解する酵素の設計に使われた3DCNN機械学習モデルを作成しました。エリントン氏の研究室に現在所属するダニー・ディアス氏は、モデルを改良し、より広く学術利用できるようウェブプラットフォーム「MutCompute」を開発しました。
