Des chercheurs ont utilisé une approche d’apprentissage profond fondée sur un réseau neuronal de graphes (GNN) pour identifier une enzyme révolutionnaire capable de décomposer presque totalement les mousses de polyuréthane (PU), l’un des plastiques thermodurcissables les plus résistants au recyclage. Publiée dans Science, l’étude décrit le modèle GRASE (Graph Neural Network for Active and Stable Enzymes), conçu pour rechercher des enzymes stables et efficaces en milieux solvants, adaptés aux procédés de glycolyse utilisés dans le recyclage du PU. Après avoir criblé 14 enzymes connues, les chercheurs ont entraîné GRASE sur des données structurales et fonctionnelles, identifiant 24 nouvelles candidates, dont AbPURase, une enzyme jusqu’ici classée comme estérase mais démontrant une activité dominante de uréthanase. Testée sur des mousses commerciales et des déchets de glycolyse, AbPURase a atteint 95 % de dépolymérisation en huit heures, puis 98,6 % à forte concentration enzymatique, sans conditions extrêmes de température ou de pression. Cette efficacité, inédite pour un polymère thermodurci, surpasse de huit fois les méthodes de recyclage vertes précédentes et permet la récupération quasi intégrale des monomères initiaux. Outre la réduction du coût de traitement et des déchets toxiques, cette approche démontre la puissance de l’IA pour révéler des fonctions enzymatiques cachées et ouvrir la voie à une biochimie circulaire capable de transformer les plastiques complexes en ressources valorisables, rapprochant la chimie des polymères d’un véritable modèle durable.
https://phys.org/news/2025-11-ai-enzyme-discovery-enables-breakdown.html