Искусственный интеллект усиливает иммунитет растений для защиты урожая

Растения, подобно животным, обладают иммунной системой, которая помогает им противостоять угрозам. Одним из ключевых инструментов этой защиты являются иммунные рецепторы, способные распознавать бактерии и запускать защитные механизмы. Однако патогены постоянно эволюционируют, чтобы оставаться незамеченными, вступая с растениями в своего рода «гонку вооружений». Бактерии изменяют структуру своих белков, чтобы обмануть рецепторы и избежать иммунного ответа.

Ученые из Калифорнийского университета в Дэвисе применили искусственный интеллект, чтобы дать растениям новое преимущество в этой борьбе. Используя инструмент AlphaFold, который с высокой точностью предсказывает трехмерную структуру белков, исследователи смогли «модернизировать» растительный иммунный рецептор FLS2. Этот рецептор в норме распознает белок жгутиков бактерий – флагеллин, но усовершенствованная версия способна идентифицировать гораздо более широкий спектр его вариаций, не давая патогенам уйти от обнаружения.

Команда под руководством профессора Гитты Кокер проанализировала рецепторы, которые уже доказали свою эффективность против множества бактерий, и сравнила их с менее действенными аналогами. Это позволило точно определить, какие аминокислоты необходимо изменить для расширения спектра распознавания. «Нам удалось, по сути, воскресить побежденный рецептор и дать растению шанс противостоять инфекции гораздо более целенаправленно и точно», – отметила Кокер. Такой подход позволяет не просто латать бреши в защите, а создавать принципиально новые, более надежные системы иммунитета.

Значение этой работы выходит далеко за рамки лаборатории. Технология открывает путь к созданию сельскохозяйственных культур с комплексной устойчивостью к болезням. Одной из главных целей исследователей является бактерия *Ralstonia solanacearum* – возбудитель бактериального увядания. Этот почвенный патоген способен поражать более 200 видов растений, включая такие важные культуры, как томаты и картофель, нанося колоссальный ущерб мировому сельскому хозяйству.

В будущем команда планирует разработать новые инструменты машинного обучения для прогнозирования того, какие иммунные рецепторы наиболее перспективны для редактирования. Ученые также работают над сокращением количества аминокислот, требующих замены, чтобы сделать процесс еще более эффективным. Подобная стратегия может быть применена и к другим типам иммунных рецепторов, что открывает широкие возможности для защиты растений от множества заболеваний.