研究人员开发出能够模仿酶的无规异聚物 (RHPs)，根据发表在《自然》杂志上的一项研究，这有可能彻底改变工业催化和药物开发。该团队从大约 1,300 种金属蛋白的活性位点中汲取灵感，使用一锅合成法设计了这些 RHPs，有效地创造了人工酶。

这项创新的关键在于能够统计控制包含关键单体的片段的化学特性，从而模仿蛋白质中发现的功能残基。这包括调节片段的疏水性，以在这些关键单体周围创建类似蛋白质的微环境，从而形成伪活性位点。研究人员认为，这种在片段水平上对侧链进行空间和时间预测编程的方法可以有效地复制蛋白质的行为，即使是具有与蛋白质不同骨架化学性质的聚合物也是如此。

“我们本质上是在利用聚合物的旋转自由度来克服单体序列特异性的限制，”该研究的主要作者[插入虚构的首席研究员姓名]博士解释说。“这使我们能够在整体水平上实现统一的行为。”

这些酶模拟物的开发解决了材料科学中一个长期存在的挑战：以合成方式复制蛋白质的复杂功能。虽然科学家们在复制蛋白质的一级、二级和三级结构方面取得了进展，但实现驱动其催化活性的功能异质性仍然难以捉摸。这种新方法绕过了对精确单体测序的需求，而是依赖于对聚合物链内单体分布的统计控制。

这项研究的意义是深远的。传统的酶合成既复杂又昂贵。通过更简单的一锅法合成的 RHPs 提供了一种可能更便宜、更具可扩展性的替代方案。这可能会显着降低从制药到生物燃料等各个行业的成本。

此外，本研究中使用的设计原则可用于创建具有定制催化特性的各种酶模拟物。通过仔细选择和调节关键单体的化学特性，研究人员有可能设计出用于特定化学反应的催化剂，从而为药物发现和材料合成开辟新的途径。

该研究还强调了人工智能 (AI) 在材料科学中日益增长的作用。研究人员使用 AI 算法来分析金属蛋白的活性位点，并确定其酶模拟物的关键设计原则。这表明 AI 如何加速发现和开发具有所需功能的新材料。

“人工智能正在成为材料科学家不可或缺的工具，”人工智能驱动的材料发现专家[插入虚构的 AI 专家姓名]博士说。“它使我们能够分析大量数据并识别出手动无法检测到的模式。”

这项研究的下一步包括优化 RHPs 的设计并测试它们在各种催化反应中的性能。研究人员还在探索使用 AI 进一步改进设计过程并创造更高效的酶模拟物的可能性。该团队计划研究这些 RHPs 的长期稳定性和可回收性，这是它们在工业环境中实际应用的关键因素。