El proyecto RevoluZion se ha dedicado a la búsqueda de soluciones sostenibles en la industria del plástico, explorando estrategias innovadoras para aumentar la biodegradabilidad de estos materiales. Este proyecto, centrado en la incorporación de enzimas en bioplásticos, nacía con el objetivo de mejorar su descomposición y facilitar su degradación programada. En este contexto, la estabilización de proteínas se convirtió en un aspecto esencial, ya que las proteínas naturales tienden a ser inestables y podían desnaturalizarse en condiciones extremas, como las que se encontraban durante el procesamiento industrial de los plásticos.

Las proteínas, en su forma natural, resultaron ser altamente susceptibles a perder su funcionalidad debido a cambios en temperatura, pH y otras condiciones ambientales. Este fenómeno fue especialmente crítico cuando se buscó utilizar enzimas en la producción de bioplásticos, ya que el proceso de extrusión —un paso común en la fabricación de plásticos— generó picos de alta temperatura que podrían desactivar estas proteínas. Por lo tanto, garantizar que las enzimas mantuvieran su actividad a pesar de estas condiciones extremas ha sido fundamental para el éxito del proyecto.

El grupo de investigación de la Universidad de Granada abordó este desafío mediante la reconstrucción de secuencias ancestrales de proteínas, un enfoque que les permitió obtener versiones de alta estabilidad de diversos sistemas enzimáticos. Utilizó un análisis filogenético de 14 sistemas proteicos con potencial para degradar bioplásticos, los investigadores llevaron a cabo un análisis bioinformático que facilitó la reconstrucción de secuencias en nodos ancestrales de los árboles filogenéticos.

A partir de estas reconstrucciones, se prepararon diversas proteínas en el laboratorio para evaluar su estabilidad, nivel de expresión y actividad. Sin embargo, el éxito de estas reconstrucciones varió, lo cual fue comprensible dado que este procedimiento puede ser incierto y dependió de modelos evolutivos simplificados. Para mejorar la eficacia de este proceso, el grupo desarrolló un sistema de selección basado en aprendizaje profundo. Este enfoque innovador utilizó redes neuronales entrenadas con sistemas modelos relevantes, permitiendo optimizar la identificación de proteínas con las propiedades deseadas.

A pesar de las limitaciones inherentes a la reconstrucción ancestral, el grupo de Granada logró obtener varias formas ancestrales de proteínas que sirvieron como base para la ingeniería adicional necesaria para conseguir variantes con propiedades biofísicas adecuadas para la degradación de plásticos. Uno de los hallazgos más interesantes fue una variante de un sistema enzimático específico que presentó propiedades excepcionales. Esta variante tuvo la capacidad de conectarse y desconectarse en función de modificaciones en parámetros químicos ambientales y fue capaz de resistir los picos de alta temperatura, lo que la convirtió en un candidato ideal para aplicaciones industriales.

La caracterización de esta variante se llevó a cabo en colaboración con otros grupos del consorcio, y se procedió a la presentación de una patente que resguardó este importante avance.