
Ученые из Калифорнийского университета в Дэвисе использовали искусственный интеллект для того, чтобы помочь растениям лучше распознавать бактериальные угрозы, что может привести к созданию новых методов защиты таких культур, как помидоры и картофель, от опасных болезней. Результаты исследования были опубликованы в журнале Nature Plants.
Растения обладают иммунной системой, аналогичной животным, включающей в себя иммунные рецепторы, которые помогают обнаруживать бактерии. Один из ключевых рецепторов, известный как FLS2, отвечает за распознавание флагеллина — белка, содержащегося в хвостиках, которые бактерии используют для передвижения. Однако патогены эволюционируют, чтобы избежать обнаружения.
«Бактерии ведут гонку вооружений с растениями, изменяя аминокислоты во флагеллине, чтобы уклониться от иммунного ответа», — объясняет ведущий автор Гитта Кокер, профессор кафедры патологии растений.
Для повышения шансов растений на защиту команда Кокер применила натуральные изменения в сочетании с ИИ. В частности, они использовали AlphaFold, инструмент для прогнозирования трехмерной структуры белков, чтобы модифицировать FLS2 и значительно усилить иммунную систему растений, позволив им распознавать большее количество бактериальных угроз.
Исследователи сосредоточились на рецепторах, обладающих способностью выявлять большее количество бактерий, даже если они ранее не были обнаружены в полезных культурах. Сравнив их с более специализированными рецепторами, ученые определили, какие аминокислоты следует изменить.
«Мы восстановили поврежденный рецептор, чтобы дать растению возможность более целенаправленно противостоять инфекции», — добавляет Кокер. Это открывает новые горизонты для разработки устойчивости культур к разнообразным болезням с использованием прогностического подхода.
Одной из серьезных проблем для сельского хозяйства является бактерия Ralstonia solanacearum, вызывающая бактериальное увядание. Некоторые штаммы этого патогена могут поражать более 200 видов растений, включая помидоры и картофель.
В настоящее время команда разрабатывает инструменты машинного обучения для прогнозирования изменений иммунных рецепторов в будущем, а также работает над уточнением числа аминокислот, нуждающихся в модификации. Эта стратегия может быть применена для улучшения работы других иммунных рецепторов.






