研究人员开发出能够模仿酶功能的合成聚合物，有望彻底改变工业催化和药物开发。发表在《自然》杂志上的这项研究详细介绍了如何设计随机异聚物 (RHPs) 来复制金属蛋白的活性位点，从而在不依赖天然蛋白质复杂结构的情况下实现类似酶的活性。

该团队在对大约 1,300 个金属蛋白活性位点进行分析的指导下，通过一锅法合成创建了 RHPs，这是一种简化创建过程的方法。关键单体作为蛋白质中功能残基的等价物，通过统计学方法进行调节，以控制诸如链段疏水性之类的化学特性。这种调节使 RHPs 能够形成伪活性位点，为关键单体提供类似蛋白质的微环境。

研究人员在他们的出版物中指出：“我们认为，对于具有与蛋白质不同的骨架化学性质的聚合物，在链段水平上对侧链进行时空预测的编程可以有效地复制蛋白质的行为。”他们进一步解释说，聚合物链的旋转自由度有助于克服单体序列特异性的限制，从而在聚合物集合中实现一致的行为。

这些酶模拟物的开发对各个领域都具有重要意义。传统的酶工程通常受到蛋白质结构复杂性和修饰活性位点难度的限制。RHPs 提供了一种更灵活且可能更具可扩展性的方法。这可能会促成针对特定工业过程量身定制的催化剂的产生，从而减少浪费和能源消耗。在药物开发中，酶模拟物可用于靶向与疾病相关的蛋白质或更有效地合成复杂的药物分子。

这些 RHPs 的设计利用了人工智能和机器学习的原理。通过分析大量的金属蛋白活性位点数据集，研究人员识别出关键特征和关系，然后将其纳入合成聚合物的设计中。这种数据驱动的方法突显了人工智能在材料科学和生物技术领域中日益重要的作用。该研究指出：“利用聚合物的旋转自由度可以减轻单体序列特异性的不足，并在整体水平上实现行为的均匀性”，这表明通过计算建模理解聚合物动力学的重要性。

然而，挑战依然存在。虽然 RHPs 表现出类似酶的活性，但它们的效率和特异性可能尚未达到天然酶的水平。需要进一步的研究来优化这些聚合物的设计，并探索它们在不同环境中的潜在应用。该团队计划研究提高 RHPs 催化活性的方法，并扩大它们可以催化的反应范围。他们还在探索使用人工智能来预测不同 RHP 设计的特性，从而加速开发过程。

将随机异聚物创建为酶模拟物代表了仿生材料科学向前迈出的重要一步。通过结合蛋白质工程、聚合物化学和人工智能的见解，研究人员正在为新一代合成催化剂铺平道路，这些催化剂有可能改变行业并改善人类健康。