BIZIT 11 - prvi dan

AI pomaže naučnicima da dizajniraju novi enzim koji jede plastiku

Sintetički enzim dizajniran korišćenjem softvera za mašinsko učenje, može da razgradi otpadnu plastiku za 24 sata, prema istraživanju objavljenom u časopisu Nature.

PCPress.rs Image

Enzim koji može da radi u okruženju na temperaturi okoline

Naučnici sa Univerziteta Teksas u Ostinu proučavali su prirodnu strukturu PETaze, enzima za koji se zna da razgrađuje polimerne lance u polietilenu. Zatim su obučili model za generisanje mutacija enzima koji brzo rade na niskim temperaturama, pustili softver da radi samostalnno, i iz izlaza izabrali varijantu koju su nazvali FAST-PETase za sintezu. FAST je skraćenica za funkcionalan, aktivan, stabilan i tolerantan. FAST-PETaza može da razgradi plastiku za samo 24 sata na temperaturama između 30 i 50 stepeni Celzijusa. Tim veruje da se proizvodnja i upotreba enzima dizajniranog od strane veštačke inteligencije mogu povećati na industrijski nivo, pružajući nov i pristupačan način da se rešite odbačene plastike u svetu.

Uopšteno govoreći, biološki pristupi razbijanju otpadne plastike koriste manje energije i/ili su ekološki prihvatljiviji od današnjih metoda odlaganja velikih razmera, otuda i interesovanje za nešto poput FAST-PETase. Kada razmatrate aplikacije za čišćenje životne sredine, potreban vam je enzim koji može da radi u okruženju na temperaturi okoline, rekao je Hal Alper, koautor studije i hemijski inženjer na UT Austinu, u izjavi. Ovaj zahtev je mesto gde naša tehnologija ima ogromnu prednost u budućnosti.

Pročitajte i:  Devoteam Srbija kroz svoj  strateški plan "AMPLIFY" planira da postane vodeći konsultant za tehnologije zasnovane na veštačkoj inteligenciji

Čini se da je veštačka inteligencija ovde dobro došla, jer je omogućila timu da koristi softver za automatizaciju generisanja željene mutacije ‒ tehnički, pet mutacija na kraju. Ovaj rad zaista pokazuje moć okupljanja različitih disciplina, od sintetičke biologije, preko hemijskog inženjerstva – do veštačke inteligencije, dodao je Endru Elington, profesor sintetičke biologije takođe na UT Austinu, koji je pomogao u dizajniranju modela mašinskog učenja.

Izvor: Theregister

Facebook komentari:
Računari i Galaksija
Tagovi: ,