一项发表在《自然》杂志上的研究表明，研究人员开发出能够模拟酶的无规异聚物 (RHPs)，为具有类蛋白质功能的合成材料提供了一种新方法。该团队从大约 1300 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，有效地创造了酶的模拟物。

该研究解决了长期以来在合成复制蛋白质复杂功能方面面临的挑战。虽然科学家们在模拟蛋白质的一级、二级和三级结构方面取得了进展，但实现对其功能至关重要的化学、结构和动态异质性仍然难以捉摸。研究人员提出，通过对聚合物中节段水平上的侧链进行空间和时间排列编程，就有可能复制蛋白质的行为。他们还认为，聚合物的旋转自由度可以弥补单体序列特异性的局限性，从而在整体上实现一致的行为。

研究人员将关键单体引入 RHPs 中，充当蛋白质中功能残基的等价物。他们对包含这些关键单体的片段的化学特性（包括片段疏水性）进行统计调节，以创建伪活性位点。这些位点为关键单体提供了类似于蛋白质中的微环境。

“我们本质上是在这些聚合物中创建酶活性位点的简化版本，”该研究的主要作者、[虚构大学]材料科学教授 [虚构姓名] 博士解释说。“这使我们能够在不需要天然酶的精确和复杂结构的情况下实现催化活性。”

这项研究的意义对于包括催化、药物递送和材料科学在内的各个领域都非常重大。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可调性。在药物递送方面，这些聚合物可以被设计成靶向特定细胞或组织，以受控方式释放药物。

这些 RHPs 的开发依赖于聚合物化学和计算分析的进步。人工智能在分析金属蛋白的活性位点方面发挥了关键作用，识别出关键特征，然后将其纳入 RHPs 的设计中。机器学习算法被用于优化聚合物的组成和结构，确保它们表现出所需的催化活性。

“人工智能正在成为材料科学中不可或缺的工具，”未参与该研究的计算化学家 [虚构姓名] 博士说。“它使我们能够探索广阔的化学空间，并识别出具有特定功能的新材料的有希望的候选者。”

目前的研究状态包括进一步优化 RHPs 并探索其潜在应用。研究人员还在努力开发用于大规模合成这些聚合物的新方法。未来的发展可能包括创建具有更复杂功能的 RHPs，从而可能导致开发出性能优于天然酶的人工酶。