研究人员开发出能够模拟酶功能的合成聚合物，为创造人工催化剂提供了一种新方法。这项发表在《自然》杂志上的研究详细介绍了如何设计这些无规异聚物 (RHPs) 来复制金属蛋白的活性位点，从而可能推动医学和材料科学等各个领域的发展。

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，这种方法简化了创建过程。关键单体作为蛋白质中功能残基的等价物，经过统计调节以控制包含这些单体的片段的化学特性，包括片段疏水性。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均匀的行为。

这些酶模拟物的开发解决了合成复制蛋白质功能方面长期存在的挑战。虽然之前的努力主要集中在复制蛋白质从一级到三级的层级结构，但实现复杂功能所需的化学、结构和动态异质性仍然难以捉摸。这种新方法侧重于对侧链的空间排列进行编程，以模拟蛋白质的行为。

这项研究的意义是深远的。酶模拟物有可能取代工业过程中的天然酶，从而提供更高的稳定性和控制力。它们还可以用于药物输送系统、生物传感器以及其他需要精确催化活性的应用。

这些 RHPs 的设计受到了对金属蛋白的分析的启发，金属蛋白是含有金属离子并在其功能中起关键作用的蛋白质。通过了解这些蛋白质的活性位点，研究人员能够识别关键单体并设计可以复制其功能的 RHPs。片段疏水性的统计调节也至关重要，因为它使研究人员能够微调活性位点周围的微环境。

人工智能和机器学习在材料科学中的应用越来越普遍，有助于设计和发现具有特定性能的新材料。在这种情况下，对大量金属蛋白数据集的分析可能涉及计算工具，以识别手动难以辨别的模式和关系。这突显了人工智能在加速科学发现方面日益增长的作用。

这项研究的下一步包括进一步优化 RHPs 并测试它们在各种应用中的性能。研究人员还计划探索使用不同的单体和合成方法来创建更广泛的酶模拟物。长期目标是开发一个可以根据特定需求定制的合成催化剂库，为化学家和工程师提供强大的新工具。