网站 Banner

        加州大学戴维斯分校的科学家们利用人工智能帮助植物识别更广泛的细菌威胁——这可能会带来保护西红柿和土豆等作物免受毁灭性疾病侵害的新方法。 该研究发表在《自然植物》上。

         植物和动物一样，都有免疫系统。 他们的防御工具包的一部分包括免疫受体，这使他们能够检测细菌并防御细菌。 其中一种受体称为 FLS2，帮助植物识别鞭毛蛋白——细菌用来游泳的小尾巴中的一种蛋白质。 但细菌是偷偷摸摸的，并且不断进化以避免被发现。

         “细菌正在与它们的植物宿主进行军备竞赛，它们可以改变鞭毛蛋白中的潜在氨基酸以逃避检测，”主要作者、植物病理学系教授 Gitta Coaker 说。

         为了帮助植物跟上步伐，Coaker 的团队转向使用自然变异和人工智能——特别是 AlphaFold，一种为预测蛋白质的 3D 形状而开发的工具，并重新设计了 FLS2，本质上是升级其免疫系统以捕获更多入侵者。

         该团队专注于已知可以识别更多细菌的受体，即使它们没有在有用的作物物种中发现。 通过将它们与更窄焦点的受体进行比较，研究人员能够确定要改变哪些氨基酸。

         “我们能够复活一个被击败的受体，即病原体获胜，并使植物有机会以更有针对性和更精确的方式抵抗感染，“科克说。

         为什么重要

         Coaker 说，这为使用预测设计开发作物的广谱抗病性打开了大门。

         研究人员的目标之一是主要的作物威胁：Ralstonia solanacearum，青枯病的原因。 这种土传病原体的一些菌株可以感染 200 多种植物，包括番茄和马铃薯等主要作物。

        展望未来，该团队正在开发机器学习工具，以预测未来哪些免疫受体值得编辑。 他们还试图缩小需要改变的氨基酸数量。

         这种方法可用于使用类似策略提高其他免疫受体的感知能力。

         该研究的其他作者包括 Tianrun Li、Esteban Jarquin Bolaños、Danielle M. 加州大学戴维斯分校的 Stevens 和 Hanxu Sha 以及 Daniil M. 劳伦斯的普里戈任伯克利国家实验室。

         该研究得到了美国国立卫生研究院和美国农业部国家粮食和农业研究所的支持。