《PLOS Computational Biology》：PlasticEnz: An integrated database and screening tool combining homology and machine learning to identify plastic-degrading enzymes in meta-omics datasets
编辑推荐：
本文开发了一款开源工具PlasticEnz，通过整合定制隐马尔可夫模型（HMM）、DIAMOND比对和基于ProtBERT嵌入的聚合物特异性分类器（XGBoost/神经网络），实现了对11种塑料聚合物（特别是PET和PHB）降解酶的高效检测。该工具在独立测试集上F1值>0.7，可区分塑料污染与原始环境，为微生物塑料降解潜力研究提供了快速、可扩展的解决方案。
PlasticEnz数据库构建与工具设计
研究团队通过整合176篇文献中的213个独特蛋白序列，构建了包含酶基因名称、定位、催化域等详细注释的PlasticEnz数据库。通过CD-HIT聚类（95%相似度）和T-Coffee多序列比对生成聚合物特异性HMM图谱，支持包括P3HP、PBAT、PBS、PBSA、PCL、PEA、PET、PHB、PHBV、PLA等11类塑料降解酶的检测。工具支持contigs、基因组或蛋白序列输入，结合HMMER/DIAMOND同源搜索与机器学习分类，可选敏感模式（神经网络）或高精度模式（XGBoost）。
机器学习模型性能评估
针对PET和PHB降解酶的分类任务，XGBoost模型在独立测试中表现出更高精度（PET: 0.95, PHB: 1.0），而神经网络模型召回率更优（PET: 1.0, PHB: 0.88）。两类模型F1值均超过0.7，但受训练数据类别不平衡影响，对其他聚合物（如PLA、PBAT）分类性能有限。模型选择基于网格搜索优化，采用ProtBERT生成蛋白嵌入特征，并通过早停法和丢弃法防止过拟合。
工具工作流程与基准测试
PlasticEnz工作流包括基因预测（Prodigal）、同源筛选（E值<1×10?5，bitscore>20）、ProtBERT嵌入提取及ML分类。运行时测试显示，处理1Gb数据可在35分钟内完成。与eggNOG-mapper等工具对比，PlasticEnz敏感模式在PET酶注释中表现最佳（F1=0.97，MCC=0.95），PHB注释中同样领先（F1=0.67）。
环境样本验证应用
在Laguna Madre微宇宙实验中，工具检测到PHB生物膜中PHB解聚酶同源物显著富集（bitscore=108.4），而PETase信号始终较低，与原始研究结论一致。对塑料污染土壤（如Sewapura、Varamin）与原始热泉样本的比较显示，污染环境中塑料降解酶候选物数量及HMM bitscore均显著更高。序列进化分析表明，高置信度预测的PETase与已知参考酶（如PET_SEED_51、PET_SEED_60）聚类紧密。
局限性与展望
当前工具性能受限于已验证塑料降解酶的数据规模，ML模块仅支持PET/PHB分类。未来将通过实验验证扩展数据库，提升模型泛化能力。工具已开源（GitHub: msysbio/PlasticEnz），支持多核并行计算，为宏基因组中塑料降解潜力的规模化筛查提供标准化方案。
