Cientistas da Universidade da Califórnia, Universidade de Davis, da Califórnia, usaram inteligência artificial, ajudando a identificar uma ampla gama de ameaças bacterianas de plantas – isso pode levar a novas maneiras de proteger colheitas como tomates e batatas de doenças catastróficas. Este estudo foi publicado em plantas naturais.
Plantas como animais têm sistemas imunológicos. Como parte de sua ferramenta de segurança, existem receptores imunes que lhes dão a capacidade de detectar bactérias e proteger contra ela. Um desses receptores, conhecido como FLS2, ajuda as plantas a identificar a flagelina – a proteína usada para nadar em pequenas caudas. Mas as bactérias continuam a se desenvolver para evitar sorrateira e diagnóstico.
“As bactérias estão na corrida de armas com seus hospedeiros de plantas e podem substituir os aminoácidos base no flageline para evitar a detecção”, disse Kita Kokar, professora de patologia vegetal.
Para ajudar a continuar as plantas, o grupo do grupo retornou usando uma variação natural em conjunto com a inteligência artificial – especialmente um instrumento desenvolvido para prever a forma 3D de alfa, proteínas e basicamente aprimora seu sistema imunológico.
Embora não seja encontrada em espécies úteis de culturas, o grupo se concentrou nos receptores já conhecidos para reconhecer mais bactérias. Os pesquisadores foram capazes de identificar quais aminoácidos a serem substituídos comparando -os com uma atenção muito curta.
“Conseguimos ressuscitar o receptor derrotado, onde o patógeno venceu, e a planta ajuda a ter a oportunidade de resistir à infecção da maneira mais alvo e precisa”.
Por que é importante
Gokar disse que abre a porta para desenvolver uma imunidade de amplo espectro nas culturas usando o projeto do prognóstico.
Um dos objetivos dos pesquisadores é uma grande ameaça de colheita: Oasis de RolstoniaA causa da murcha bacteriana. Algumas cepas do patógeno por base no solo podem afetar mais de 200 espécies de plantas, incluindo tomates e batatas.
Em vista, o grupo está desenvolvendo equipamentos de aprendizagem mecânica para prever qual receptus imune está editando no futuro. Eles também tentam reduzir o número de aminoácidos a serem alterados.
Essa abordagem pode ser usada para melhorar a opinião de outros receptores imunes usando uma estratégia semelhante.
Entre os outros autores do estudo, Thonroon Li, Estepon Jarkin Polanos, Daniel M. Stevens e U.C.
A pesquisa foi apoiada pela Organização Nacional da Saúde e pelo Instituto Nacional de Alimentos e Agricultura do Departamento de Agricultura dos EUA.
