به گزارش بازار از نشریه صبح جنوب چین، تیم پژوهشی از موسسه ژنتیک و زیستشناسی تکاملی آکادمی علوم چین و شرکت زیستفناوری «چی بایودیزاین»(Qi Biodesign) در مقالهای که ماه گذشته در مجله علمی معتبر و داوریشده ساینس منتشر شد، اعلام کرد: «این پژوهش یک بستر انعطافپذیر برای مهندسی کارآمد ایمنی گیاهان ایجاد میکند.»
آنها افزودند: گیرندههای ایمنی مصنوعی و قابل برنامهریزی این سامانه را میتوان وارد گیاهان کرد تا پروتئینهای تولیدشده توسط باکتریها، ویروسها و قارچهای مشخص را شناسایی کرده و با فعالکردن پاسخ ایمنی، تهدید را خنثی کنند.
پژوهشگران میگویند با بهرهگیری از طراحی پروتئین مبتنی بر هوش مصنوعی، میتوان گیرندههای اختصاصی را به جای چند سال، ظرف چند هفته طراحی کرد؛ اقدامی که روند اصلاح و تولید محصولات مقاوم به بیماری را تسریع کرده و امکان واکنش سریعتر به بیماریهای نوظهور گیاهی را فراهم میکند.
برنامههای اصلاح نباتات معمولا با وارد کردن ژنهای مقاومت، گیرندههایی را در گیاهان ایجاد میکنند که قادر به شناسایی پروتئینهای ترشحشده از سوی عوامل بیماریزا هستند. هنگامی که این گیرندهها به پروتئین هدف متصل میشوند، میتوانند پاسخ ایمنی گیاه را فعال کنند.
این تیم پژوهشی گفتند که «با این حال، این مقاومت اغلب بهسرعت توسط عوامل بیماریزای در حال تکامل غلبه میشود؛ بهویژه در نظامهای کشاورزی مدرن که با کشت گسترده و تککشتی محصولات دارای ساختار ژنتیکی مشابه مشخص میشوند.»
همین آسیبپذیری زیستی، خطر تروریسم کشاورزی و استفاده از سلاحهای زیستی گیاهی را افزایش میدهد؛ یعنی عواملی بیماریزا که عمداً برای هدف قرار دادن محصولات کشاورزی خاص وارد محیط شده یا تغییر داده میشوند.
برای مقابله با عوامل بیماریزای جدید، باید گیرندههایی شناسایی و مهندسی شوند که بتوانند گونههای مقاومتر گیاهی ایجاد کنند.
با این حال، این فرایند ممکن است سالها طول بکشد، زیرا تنوع محدود گیرندههای ایمنی طبیعی گیاهان، این روند را دشوار و زمانبر میکند.
به گفته پژوهشگران، طراحی سریع این گیرندهها میتواند به جای سالها، امکان «شناسایی سریع پروتئینهای عوامل بیماریزای جدید و نوظهور در عرض چند هفته» را فراهم کند.
این تیم پژوهشی اعلام کرد: «برای مقابله با تنوع گسترده عوامل بیماریزا، هدف ما توسعه یک راهبرد عمومی برای مهندسی گیرندههای ایمنی مصنوعی بود که بتوانند پروتئینهای مشخص عوامل بیماریزا را شناسایی کنند.»
ترکیب هوش مصنوعی و گیرنده طبیعی برنج
پژوهشگران برای ساخت گیرنده مصنوعی خود، پروتئینهایی را که با استفاده از هوش مصنوعی طراحی شده بودند و بهعنوان اتصالدهنده به پروتئینهای عوامل بیماریزا عمل میکنند، در یک گیرنده ایمنی طبیعی برنج قرار دادند.
آنها اعلام کردند: «این گیرندههای مصنوعی با موفقیت امکان شناسایی و فعالسازی پاسخ ایمنی در برابر پروتئینهای عوامل بیماریزای متنوع گیاهی، از جمله ۱۴ ویروس، دو باکتری، یک قارچ و یک اوومیست را فراهم کردند.»
اوومیستها گروهی از ریزسازوارههای شبهقارچی هستند که میتوانند موجب بروز بیماریهای مخرب در گیاهان شوند.
پژوهشگران ۳۹۱ گیرنده مصنوعی را آزمایش کردند و دریافتند حدود ۱۸ درصد از آنها پاسخهای ایمنی قوی و اختصاصی ایجاد کردند، حدود ۵۸ درصد درجات مختلفی از خودایمنی نشان دادند و نزدیک به ۲۴ درصد نیز هیچ فعالیت ایمنی در برابر عوامل هدف نشان ندادند.
برخی از عوامل بیماریزایی که این گیرندهها توانستند در برابر آنها عمل کنند، محصولات مهمی مانند سیبزمینی و گوجهفرنگی را هدف قرار میدهند.
بر اساس این مقاله، فقدان فعالیت ایمنی ممکن است ناشی از بیان نامناسب پروتئین در گیاه، ناتوانی اتصالدهندههای طراحیشده در برقراری ارتباط با پروتئینهای هدف عامل بیماریزا، یا ناتوانی در ایجاد تغییرات ساختاری لازم برای فعالسازی پاسخ ایمنی باشد.
پژوهشگران نوشتند: «با این حال، نرخ کلی موفقیت در طراحی امیدوارکننده بود و قابلیت کاربرد گسترده راهبرد گیرنده مصنوعی ما را برای فراهمکردن امکان شناسایی پروتئینهای منشأگرفته از عوامل بیماریزای متنوع نشان داد.»
امکان ایجاد مقاومت گسترده در محصولات کشاورزی
از آنجا که محصولات کشاورزی اغلب همزمان با چند عامل بیماریزا مواجه میشوند، این تیم همچنین راهبردی برای ترکیب چند گیرنده مصنوعی توسعه داده است.
به گفته پژوهشگران، این روش «چارچوبی مقیاسپذیر و چندگانه برای مهندسی مقاومت گسترده و پایدار در برابر بیماریها در محصولات کشاورزی» فراهم میکند.
این تیم افزود: «ایجاد گیرندههای ایمنی مصنوعی گیاهان، مسیرهای جدیدی را برای توسعه ایمنی مصنوعی گیاهان خواهد گشود و مبنایی انعطافپذیر برای مهندسی مقاومت در برابر عوامل بیماریزای متنوع در محصولات کشاورزی فراهم خواهد کرد.»
پژوهشگران اذعان کردند که طراحی گیرندههای مصنوعی برای برخی انواع عوامل بیماریزا همچنان میتواند چالشبرانگیز باشد و نرخ موفقیت کلی نیز هنوز پایین است.
با این حال، آنها معتقدند شناسایی چارچوبهای گیرنده طبیعی جدید برای اتصال پروتئینهای طراحیشده و گسترش طراحی اتصالدهندهها با کمک هوش مصنوعی میتواند عملکرد این سامانه را بهبود دهد.
نظر شما