Команда під керівництвом професора Гао Цайся (IGDB, Китайська академія наук) описала платформу, яка дозволяє «на замовлення» проєктувати синтетичні імунні рецептори рослин для розпізнавання білків різних збудників хвороб. Результати опубліковано в Science.
Про це повідомляє сайт Аграрії разом з посиланням на Agropages.
Виробництво сільгоспкультур постійно стикається з тиском патогенів, а класична селекція на стійкість значною мірою спирається на природні гени резистентності, що кодують імунні рецептори, «налаштовані» на конкретних збудників. Утім, патогени швидко еволюціонують і можуть обходити такі бар’єри, а різноманіття природних імунних рецепторів обмежене, що ускладнює створення довготривалої стійкості.
Як повідомляють автори дослідження, опублікованого 23 липня в Science, вони розробили програмовану платформу для дизайну синтетичних імунних рецепторів рослин (SPIRs), здатних розпізнавати білки широкого спектра патогенів.
Як влаштований підхід: модульні домени замість «важкоінженерних» ділянок
У центрі роботи — внутрішньоклітинні рецептори NLR (nucleotide-binding leucine-rich repeat receptors). Зазвичай вони детектують патогени через великі, високо повторювані LRR-домени, які складно цілеспрямовано модифікувати. Щоб обійти це обмеження, дослідники використали інший клас NLR, які розпізнають патогени через компактні, модульні інтегровані «приманки» — integrated decoy (ID) домени. Такі ID-домени, за задумом авторів, можна відносно просто замінювати на нові модулі розпізнавання.
Для створення модулів розпізнавання команда застосувала AI-інструменти для дизайну білків (зокрема AlphaFold 3 і BindCraft), щоб спроєктувати de novo білки, які специфічно зв’язуються з білками патогенів. Далі ці спроєктовані білки інтегрували в імунний рецептор рису Pikm-1, замінюючи його нативний ID-домен, — так отримували SPIR із заданою специфічністю.
Результати: 391 дизайн і перевірка функціональності
За даними публікації, за допомогою цього конвеєра було спроєктовано 391 SPIR, націлений на білки різних груп патогенів — вірусів, бактерій, грибів і ооміцетів. Із них 71 конструкція (18,2%) розпізнала заплановані мішені та активувала імунні відповіді, що автори трактують як підтвердження працездатності AI-асистованого de novo дизайну для створення функціональних імунних рецепторів рослин.
Чому знадобилася додаткова оптимізація
Водночас значна частина дизайнів виявилася або автоактивною, або неактивною, що, за висновком авторів, означає: одного лише AI-дизайну недостатньо для стабільної роботи рецепторів. Для доопрацювання вони застосували платформу високопродуктивної спрямованої еволюції в рослині — geminivirus replicon–assisted in planta directed evolution (GRAPE), яку описують як розроблену ними раніше. Оптимізація, як зазначено в матеріалі, підвищила імунну активність і зменшила небажану автоактивацію.
Окремо повідомляється, що трансгенні рослини Nicotiana benthamiana, які експресували оптимізовані SPIR, демонстрували ефективну стійкість до інфекції Tomato brown rugose fruit virus (ToBRFV).
Що це може означати для захисту культур
Автори підкреслюють відмінність від підходів, що залежать від наявних у природі генів резистентності: платформа SPIR задумана як спосіб «кастомного» проєктування рецепторів під нові мішені патогенів. У принципі, SPIR проти білків нових або таких, що швидко поширюються, патогенів можна генерувати протягом кількох тижнів.
Дослідження описує рамку для «програмованого» синтетичного імунітету рослин, у якій рецептори можна проєктувати, оптимізувати та застосовувати за потреби.