研究人员开发出能够模仿酶功能的合成聚合物，根据《自然》杂志发表的一项研究，这有可能彻底改变工业催化和药物开发。该团队专注于创建随机异聚物 (RHP)，与蛋白质不同，RHP 的骨架具有不同的化学性质，但仍能通过策略性地排列侧链来复制蛋白质的行为。

这项研究在对大约 1,300 个金属蛋白活性位点进行分析的指导下，通过一锅合成法设计 RHP。关键单体被引入作为功能性蛋白质残基的等价物，并且包含这些单体的片段的化学特性（例如片段疏水性）在统计上被调节。这个过程导致 RHP 形成伪活性位点，为关键单体提供类似蛋白质的微环境。

研究人员在论文中表示：“我们认为，对于骨架化学性质与蛋白质不同的聚合物，在片段水平上对侧链进行空间和时间投影编程可以有效地复制蛋白质的行为。”他们还指出，聚合物的旋转自由度可以弥补单体序列特异性的不足，从而在整体水平上实现一致的行为。

这些酶模拟物的开发对各个行业具有重大意义。传统的酶虽然效率很高，但通常很脆弱且生产成本高昂。另一方面，RHP 具有更高的稳定性和更低的生产成本的潜力，使其成为工业催化、药物合成和其他应用的有吸引力的替代品。

这些 RHP 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，研究人员能够识别可以在合成聚合物中复制的关键特征和模式。这种数据驱动的方法突显了人工智能在材料科学和化学工程中日益增长的作用。

普林斯顿大学化学工程教授艾米丽·卡特博士（未参与该研究）表示：“使用人工智能来指导这些聚合物的设计是一项颠覆性变革。”“它使我们能够探索更广泛的可能性，并找到通过传统方法不可能发现的解决方案。”

这项研究的社会影响是深远的。更高效和可持续的工业流程可以减少浪费和污染。新药和疗法的开发可以加速，从而满足未满足的医疗需求。然而，同样重要的是要考虑与广泛使用合成聚合物相关的潜在风险，例如它们对环境的影响和潜在的毒性。

研究人员现在专注于优化 RHP 的设计并探索它们在各个领域的应用。他们还在努力开发这些材料的大规模生产方法，这将对它们的广泛采用至关重要。接下来的步骤包括在实际应用中测试 RHP，并评估它们与传统酶相比的性能。进一步的研究还将侧重于了解这些合成聚合物的长期稳定性和环境影响。