Alors que l’utilisation de l’IA se répand dans tous les secteurs et fait chaque jour davantage partie de nos vies, les chercheurs étudient également les moyens de l’utiliser pour résoudre certains des plus grands problèmes mondiaux. L'un de ces problèmes est la dépendance mondiale à l'égard du plastique pour la fabrication de tout, des vêtements aux fournitures médicales en passant par les emballages alimentaires, ce qui crée une quantité massive de déchets non biodégradables, qui s'accumulent de plus en plus chaque jour. Une grande partie de cela finit par causer des ravages dans divers écosystèmes et créer une surabondance de microplastiques qui se retrouvent dans nos réserves de nourriture et d’eau.
Il est clair qu’il est nécessaire de recycler ces matériaux. Toutefois, les plastiques restent l’un des matériaux les plus difficiles à recycler efficacement. Mais maintenant, une équipe de chercheurs a peut-être trouvé un moyen de faciliter le processus avec l’aide de l’IA. Leur étude, publiée dans Scienceexplique comment un réseau neuronal les a aidés à trouver des enzymes capables de décomposer les plastiques plus rapidement et plus efficacement que celles qu'ils ont trouvées par eux-mêmes.
Le problème du recyclage du plastique
La plupart des plastiques ne sont jamais recyclés, le taux de recyclage mondial restant à seulement environ 9 %. Certains plastiques sont plus faciles à recycler que d’autres. Par exemple, les plastiques polyuréthane (PU), couramment utilisés dans les mousses flexibles, comme celles que l'on trouve dans les chaussures de course, ainsi que dans les adhésifs, les revêtements et les isolants, sont un matériau plus difficile à recycler. Pourtant, en 2024, 22 millions de tonnes de plastiques PU ont été consommées dans le monde.
Le recyclage des PU thermodurcis est un défi en raison de leur structure réticulée et de leurs liaisons uréthane stables. La glycolyse – un processus dans lequel un matériau est décomposé en ses monomères constitutifs à l’aide d’éthylène glycol – est actuellement la principale méthode de recyclage industriel, mais une grande partie des produits restants sont essentiellement des déchets dangereux et inutilisables.
« Contrairement aux thermoplastiques tels que le polyéthylène téréphtalate (PET), qui peuvent être remodelés en états amorphes par extrusion à l'état fondu, les polyuréthanes thermodurcis ne peuvent pas être remodelés pour accroître leur sensibilité aux attaques enzymatiques. Par conséquent, des techniques de recyclage alternatives sont nécessaires pour surmonter les défis de dépolymérisation posés par les matériaux thermodurcis », expliquent les auteurs de l'étude.
À la recherche d'enzymes dégradant le plastique
Afin de recycler entièrement les déchets PU par glycose, certaines enzymes sont nécessaires. Plus précisément, des enzymes robustes et efficaces, capables de fonctionner dans des environnements difficiles et riches en solvants, sont nécessaires pour permettre le recyclage complet des déchets de PU, mais elles sont difficiles à identifier. Les chercheurs doivent parcourir la littérature disponible pour rechercher des enzymes susceptibles d’avoir des propriétés capables de décomposer le PU dans des conditions spécifiques. Cela peut prendre beaucoup de temps. Ensuite, les enzymes doivent être testées.
C’est exactement ce que l’équipe a fait, et leurs premiers résultats ont été loin d’être satisfaisants. Sur 14 enzymes sélectionnées dans la littérature, trois ont fonctionné assez bien contre le polymère testé, et une seule, Aes72, est finalement apparue comme un candidat prometteur pour un développement ultérieur. Pourtant, l’activité et la compatibilité avec les solvants de l’Aes72 manquaient quelque peu.
L'IA à la rescousse ?
Les chercheurs se sont ensuite tournés vers l’IA. Plus précisément, un cadre basé sur un réseau neuronal graphique (GNN) pour découvrir des enzymes actives et stables, appelé GRASE, a été utilisé pour identifier des enzymes plus appropriées pour le recyclage du PU, qui ont ensuite été hiérarchisées en fonction de leur séquence ou de leur identité structurelle par rapport à Aes72.
GRASE a identifié 24 candidats les mieux classés, qui ont ensuite été validés en laboratoire à l'aide de mousse PU commerciale et de déchets dérivés de la glycolyse. Bien que plusieurs enzymes aient donné de bons résultats, une en particulier s’est démarquée. L'enzyme, appelée AbPURase, avait une activité plus élevée que les enzymes précédentes et son analyse structurelle a révélé des caractéristiques qui confèrent stabilité et efficacité dans les solvants agressifs.
Lors des tests, AbPURase a permis une dépolymérisation de 95 % de la mousse PU commerciale à l'échelle du kilogramme en huit heures et de 98 % en 12 heures. Avec une charge en enzyme plus élevée, une dépolymérisation de 98,6 % a été obtenue après huit heures. Les auteurs de l'étude qualifient de « remarquables » les performances de l'outil de réseau neuronal dans la sélection d'AbPURase.
Les auteurs de l’étude soulignent également l’étonnante gamme d’utilité de certaines enzymes. Ils disent : « Les enzymes telles que l'AbPURase, qui sont traditionnellement classées comme estérases, se sont révélées être principalement des uréthanases dans cette étude.
« Cette observation s'aligne sur le corpus plus large de recherches sur la promiscuité enzymatique et le travail au noir, suggérant que de nombreuses enzymes, plutôt que d'être strictement spécifiques, ont une gamme d'activités qui ont souvent été obscurcies par les méthodes de classification conventionnelles. Par conséquent, le plein potentiel fonctionnel des enzymes peut être considérablement sous-estimé dans les annotations actuelles. «
Espoir pour l’avenir du recyclage du plastique
Cette étude révèle un nouveau potentiel prometteur pour les futurs efforts de recyclage du plastique afin de résoudre le problème croissant des déchets plastiques, en particulier ceux des mousses difficiles à recycler utilisées dans les meubles, les isolants et les voitures. Cela démontre également le potentiel de l’IA pour atténuer certains des défis environnementaux auxquels nous sommes actuellement confrontés.
Néanmoins, les auteurs notent qu'une ingénierie plus poussée des protéines est nécessaire pour optimiser les performances des enzymes et la repolymérisation des monomères recyclés et que l'utilisation continue d'outils, comme GRASE, peut dévoiler des utilisations supplémentaires d'enzymes auparavant sous-utilisées.
Écrit pour vous par notre auteur Krystal Kasal, édité par Lisa Lock, et vérifié et révisé par Robert Egan, cet article est le résultat d'un travail humain minutieux. Nous comptons sur des lecteurs comme vous pour maintenir en vie le journalisme scientifique indépendant. Si ce reporting vous intéresse, pensez à faire un don (surtout mensuel). Vous obtiendrez un sans publicité compte en guise de remerciement.
