中国科研团队用 AI 定制植物免疫受体：可编程合成免疫成果登上《科学》

据央视新闻报道，中国科学院遗传与发育生物学研究所高彩霞研究员团队在植物免疫工程领域取得重要进展，相关成果已在《科学》以首次在线发布形式发表。研究团队提出了“可编程植物合成免疫”理念，并建立可编程的合成植物免疫受体设计平台，实现了植物免疫受体的精准定制化设计。对于农业病害防控而言，这项研究的关键意义在于：未来抗病能力不再完全依赖自然界中已有抗病基因的发现，而有望根据病原体结构信息进行定向设计。

AI 蛋白质设计进入植物免疫工程

植物病害长期是农业生产中的高成本问题，来源显示其每年造成数千亿美元级别的经济损失。传统作物抗病育种主要依靠发掘和利用天然抗病基因，但植物基因组中可用免疫受体数量有限，病原物又会持续进化变异，导致既有抗病性可能被不断突破。

此次研究聚焦植物 NLR 免疫受体。NLR 受体是植物免疫系统的核心组分，通常通过富亮氨酸重复结构域识别病原体。不过，这类结构高度重复，传统方法对其进行工程化改造并不容易。研究团队选择了一类具有紧凑模块化“诱饵结构域”的 NLR 受体作为工程底座，该结构域能够被新设计的病原识别模块替换，从而为“可编程”改造提供空间。

在具体实现上，团队整合了人工智能辅助蛋白质设计、模块化免疫受体工程以及植物体内定向进化技术。来源显示，研究人员使用 AlphaFold 3、BindCraft 等 AI 辅助蛋白质工具，针对病原蛋白从头设计结合蛋白，并将其整合进水稻免疫受体 Pikm-1，构建出新的合成免疫受体。也就是说，设计过程不再必须依赖已有抗病基因资源，而是可以基于病原蛋白结构信息开展。

从验证靶标到多类病原：成功率达到 18.2%

研究团队首先以马铃薯 Y 病毒衣壳蛋白作为验证靶标，设计了 48 个合成受体，其中 11 个能够特异性识别靶标并激活免疫反应。随后，团队进一步面向 13 种重要植物病毒，以及细菌、真菌、卵菌等多类病原物蛋白进行设计。

据报道，研究团队总计设计并测试了 391 个合成植物免疫受体，其中 71 个能够特异识别对应病原蛋白并有效激活植物免疫反应，成功率为 18.2%。这也是该研究最受关注的部分：它首次证明AI 辅助蛋白质设计可以用于植物免疫受体的从头创制，而不仅仅停留在结构预测或单个蛋白结合设计层面。

• 设计底座：利用可替换识别模块的 NLR 免疫受体。
• 关键工具：AlphaFold 3、BindCraft 等 AI 辅助蛋白质设计方法。
• 验证结果：391 个合成受体中 71 个表现出特异识别并激活免疫反应。
• 优化路径：对活性不足或自激活受体，使用植物体内定向进化系统 GRAPE 进行改良。

对于部分合成受体存在免疫活性不足或自激活的问题，团队进一步利用此前建立的植物体内定向进化系统 GRAPE 进行优化。来源显示，经优化的合成免疫受体在转基因本氏烟草中展现出对番茄褐色皱果病毒的有效抗性。

影响解读：农业抗病或迎来“按需设计”路线

从科技产业角度看，这项成果体现了 AI for Science 正在从药物、材料、蛋白质结构预测，进一步进入农业生物技术和作物安全领域。过去，作物抗病能力的提升更像是在自然基因资源中“筛选答案”；而可编程合成免疫的方向，则更接近根据病原体特征主动“设计答案”。

这并不意味着相关技术可以立即在大田作物中规模化应用。合成免疫受体仍需要经过更复杂的作物体系验证、安全评估、遗传稳定性评估以及育种转化流程。但它提供了一条新的技术路线：当新发病害或病原物变异出现时，科研人员有望更快基于病原蛋白结构信息生成候选免疫受体，再通过体内定向进化等方法迭代优化。

高彩霞研究员表示，该研究突破了天然抗病基因资源的限制，为快速应对植物新发病害和病原物变异提供了全新技术路线。随着 AI、蛋白质设计与体内定向进化技术继续融合，植物合成免疫受体未来有望进一步走向按需设计和迭代优化。《科学》审稿人也认为，该成果为在作物中开发持久、广谱的抗病性奠定了基础。