Программируемый с помощью ИИ иммунитет растений открывают новую главу в скоростной селекции устойчивых культур.
Разработка исследовательской группы под руководством профессора Гао Цайся из Института генетики и биологии развития (IGDB) Китайской академии наук представляет собой прорыв в биотехнологии. Ученые создали программируемую платформу синтетических растительных иммунных рецепторов (SPIR), способную распознавать различные белки патогенов в лабораторных условиях, что дает возможность создания сортов со стабильной иммунной устойчивостью.
Производство сельскохозяйственных культур сталкивается с угрозами со стороны разных патогенов растений. Традиционная селекция на устойчивость к болезням в значительной степени опирается на естественные гены устойчивости растений, кодирующие иммунные рецепторы, адаптированные к конкретным патогенам. Однако быстро эволюционирующие патогены часто преодолевают эти естественные защитные механизмы, а ограниченное разнообразие встречающихся в природе иммунных рецепторов затрудняет разработку культур со стабильной устойчивостью.
Проще говоря, обычная селекция использует природные гены устойчивости растений. Это как встроенный иммунитет, настроенный против конкретных угрозы. Но враги мутируют: вирусы, бактерии и грибы эволюционируют очень быстро. Они легко обходят природную защиту растений. В природе существует ограниченное количество защитных генов. Ученым сложно находить новые источники просто для защиты культур.
Теперь группа исследователей под руководством профессора Гао Цайся разработала программируемую платформу для целенаправленного создания синтетических растительных иммунных рецепторов (SPIR), распознающих белки различных растительных патогенов. Результаты исследования опубликованы в онлайн-журнале Science 23 июля.
Разработка рецепторов на основе модульных доменов
В центре внимания данного исследования находятся иммунные рецепторы — внутриклеточные нуклеотид-связывающие рецепторы с богатыми лейцином повторами (NLR), которые в основном обнаруживают патогены с помощью больших, высокоповторяющихся доменов с богатыми лейцином повторами, которые трудно модифицировать. Это как пытаться перестроить фундамент готового дома: слишком сложно, дорого и долго.
Для решения этой проблемы исследователи использовали особый класс NLR, которые распознают патогены с помощью компактных, модульных интегрированных доменов-приманок (ID), которые можно легко заменить новыми модулями распознавания патогенов.
Например, в рисе они обнаружили особый рецептор (Pikm-1). У него внутри есть компактный, удобный блок — тот самый интегрированный домен (ID). В природе этот блок работает как «приманка» для вирусов. Главный плюс: этот блок модульный. Его можно легко «отрезать» и заменить на другой.
Используя инструменты для анализа белков с помощью искусственного интеллекта, такие как AlphaFold 3 и BindCraft, исследователи разработали белки de novo, которые специфически связываются с белками патогенов. Затем они интегрировали эти разработанные белки в иммунный рецептор риса Pikm-1, заменив его нативный домен ID, создав SPIR-домены с индивидуальной специфичностью распознавания.
Исследователи использовали этот алгоритм для разработки 391 SPIR-рецептора, нацеленного на белки широкого спектра растительных патогенов, включая вирусы, бактерии, грибы и оомицеты. Из них в 71 (18,2%) случае рецептор распознал свои целевые мишени и активировал иммунный ответ, демонстрируя, что разработка белков de novo с помощью ИИ может создавать функциональные растительные иммунные рецепторы.
Опять же, на примере риса, ученые берут рецептор риса, удаляют из него родную «приманку» и вставляют туда созданную на компьютере ловушку. Получается гибридный рецептор SPIR. Растение замечает конкретный вирус и включает иммунитет.
Направленная эволюция улучшила слабые конструкции
Даже самый лучший искусственный интеллект совершает ошибки на практике, поэтому ученым пришлось устроить созданным рецепторам «ускоренную эволюцию» в лаборатории.
Дело в том, что созданные нейросетью рецепторы в компьютере показывали отличные результаты, но в живом растении повели себя нестабильно. Часть рецепторов не работала — они просто игнорировали вирус. Другая часть была автоактивной — они включали ложную тревогу и атаковали само растение, когда никакого вируса рядом не было.
Для дальнейшего улучшения характеристик рецепторов исследователи обратились к разработанной ими ранее высокопроизводительной платформе GRAPE (geminivirus replicon-assisted in planta directed evolution) и использовали ее для оптимизации вновь разработанных SPIR. Эта оптимизация значительно повысила иммунную активность и снизила нежелательную автоактивацию.
Трансгенные растения Nicotiana benthamiana, экспрессирующие оптимизированные SPIR-белки, продемонстрировали эффективную устойчивость к инфекции вируса коричневой морщинистости плодов томата (ToBRFV), что подчеркивает потенциал этой технологии для улучшения сельскохозяйственных культур.
Перспективы в селекции на устойчивость
В отличие от селекции на устойчивость, которая зависит от встречающихся в природе генов устойчивости, платформа SPIR позволяет создавать иммунные рецепторы, способные распознавать совершенно новые патогенные мишени. В принципе, рецепторы SPIR, нацеленные на белки новых патогенов, теперь могут быть созданы в течение нескольких недель, что обеспечивает быструю и универсальную стратегию защиты сельскохозяйственных культур от развивающихся угроз заболеваний.
Данная работа закладывает основу для программируемого синтетического иммунитета растений, в рамках которого рецепторы могут быть спроектированы, оптимизированы и развернуты по требованию.
Программируемый синтетический иммунитет растений может стать общей стратегией для разработки сельскохозяйственных культур следующего поколения, устойчивых к болезням, и укрепления глобальной продовольственной безопасности.
Источник: Chinese Academy of Sciences. Заглавное фото: графическое представление процесса разработки SPIR. Источник: IGDB.