共计 786 个字符，预计需要花费 2 分钟才能阅读完成。
加利福尼亚大学戴维斯分校的科学家们正在利用人工智能帮助植物识别更广泛的细菌威胁，这可能会为保护番茄和马铃薯等作物免受毁灭性疾病提供新方法。该研究发表在《自然植物》杂志上。
马铃薯植物中的青枯病菌。这种细菌会破坏植物的维管系统，导致它们患上萎蔫病。图片来源：Amilcar Sanchez Perez
与动物一样，植物也拥有免疫系统。它们的防御工具包中包括免疫受体，这些受体使它们能够检测细菌并进行防御。其中一种名为 FLS2 的受体帮助植物识别鞭毛蛋白——细菌用来游动的微小尾巴中的一种蛋白质。然而，细菌非常狡猾，并且不断进化以避免被检测到。
“细菌与它们的植物宿主处于一场军备竞赛中，它们可以改变鞭毛蛋白中的氨基酸以逃避检测，”该研究的主要作者、植物病理学系教授 Gitta Coaker 说道。
为了帮助植物跟上细菌的进化步伐，Coaker 的团队转向使用自然变异与人工智能相结合的方法——特别是 AlphaFold，这是一种用于预测蛋白质三维形状的工具，并重新设计了 FLS2，实质上提升了其免疫系统以捕捉更多的入侵者。
该团队专注于那些已知能识别更多细菌的受体，即使这些受体在有用的作物物种中并未被发现。通过将它们与更窄范围的受体进行比较，研究人员能够确定需要改变哪些氨基酸。
“我们能够复活一个被击败的受体，一个病原体已经获胜的受体，并使植物有机会以更有针对性和精确的方式抵抗感染，”Coaker 说道。
Coaker 表示，这为利用预测设计开发作物的广谱抗病性打开了大门。
研究人员的其中一个目标是主要的作物威胁：青枯病菌，它是细菌性萎蔫病的病因。这种土壤传播的病原体的一些菌株可以感染超过 200 种植物物种，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。他们还在尝试缩小需要改变的氨基酸数量。
这种方法可以通过类似的策略来提升其他免疫受体的感知能力。
