针对热固性聚氨酯(PU)回收难题,北京化工大学研究团队开发了一种基于图神经网络(GNN)的机器学习方法——活性稳定酶推荐系统(GRASE)。该方法通过整合自监督与监督学习,为将包装废弃物中的PU泡沫转化为可回收材料提供了数据驱动的新路径。
突破热固性PU回收瓶颈
数据显示,2024年全球PU年消费量达2200万公吨,是可水解塑料中第二大类别。然而,热固性PU特有的交联结构和氨基甲酸酯键阻碍了其传统回收。与聚对苯二甲酸乙二醇酯(PET)等可通过熔融挤出重塑的热塑性塑料不同,热固性PU无法通过物理重塑提高对酶攻击的敏感性,亟需替代性解聚技术。
GRASE框架精准识别高效酶
该研究成果发表于《科学》杂志。研究发现,许多酶具备多重活性,但常被传统分类方法掩盖。例如,传统归类为酯酶的蛋白质实际主要功能可能是氨基甲酸酯酶。GRASE框架成功筛选出24个高排名候选酶,并经实验室验证证实了其对商用PU泡沫及醇解衍生废弃物的有效性。
挖掘酶功能潜力助力工业应用
研究人员指出,当前注释体系可能严重低估了酶的功能潜力。未来研究应聚焦于捕捉并放大支撑这些隐藏能力的细微信号,这不仅有助于深化对酶功能谱的理解,也将推动开发适用于多种工业挑战的高效生物催化剂。
行业探索多元回收解决方案
除学术研究外,产业界也在积极布局。西班牙研究团体Aimplas已公布一系列先进回收和机械回收解决方案,旨在将复杂废弃物重新纳入塑料价值链,应用于包装及其他领域,共同推动PU材料的循环利用。

