科学家利用人工智能技术增强植物免疫系统，通过重新设计识别细菌威胁的植物受体，显著提升了番茄和马铃薯等作物的抗病能力。这项突破性技术不仅强化了植物对有害细菌的抵御机制，还为培育更具抗逆性的农作物奠定了基础，有望彻底变革农作物病害防御体系。
与动物类似，植物也拥有免疫系统。其防御机制的一部分包含免疫受体，使其能够检测细菌并抵御其侵袭。其中一种名为FLS2的受体可帮助植物识别鞭毛蛋白——这是细菌用于游动的微小尾部中的一种蛋白质。但细菌十分狡猾，且持续进化以规避检测。
"细菌与其植物宿主正在进行军备竞赛，它们能改变鞭毛蛋白中的特定氨基酸以逃避检测，"首席作者、植物病理学系教授吉塔·科克表示。
为使植物跟上进化步伐，科克团队利用自然变异结合人工智能——特别是AlphaFold（一种预测蛋白质三维结构的工具），对FLS2进行重构，有效升级其免疫系统以捕获更多入侵者。
该团队专注于已知能识别更多细菌的受体，即使这些受体未在重要作物物种中发现。通过与识别范围较窄的受体进行对比，研究人员得以确定需要改变的氨基酸位点。
"我们成功复活了已被病原体击败的受体，使植物有机会以更精准、更具靶向性的方式抵抗感染，"科克解释道。
研究意义
科克指出这为通过预测性设计培育具有广谱抗病性的作物开辟了新途径。
研究人员的重点目标之一是主要作物威胁：青枯雷尔氏菌（Ralstonia solanacearum），该病原体导致细菌性萎蔫病。这种土壤传播的病原体某些菌株可感染200多种植物，包括番茄、马铃薯等主粮作物。
展望未来，该团队正在开发机器学习工具以预测哪些免疫受体值得进行编辑。同时致力于减少需要修改的氨基酸数量。
此方法可通过相似策略增强其他免疫受体的感知能力。
研究共同作者包括加州大学戴维斯分校的田润·李、埃斯特班·哈尔昆·博拉尼奥斯、丹妮尔·M·史蒂文斯、沙汉旭，以及劳伦斯伯克利国家实验室的丹尼尔·M·普里戈任。
本研究获得美国国立卫生研究院与美国农业部国家食品农业研究所资助支持。