美國橡樹嶺國家實驗室聯手 AI 破解植物生長祕密，可能徹底改變農業

美國能源部的橡樹嶺國家實驗室（ORNL）研究人員結合人工智慧（AI）與分子動力學模擬，開發出一種新工具，能更準確地預測植物與有益微生物之間的溝通及合作關係。

這一AI驅動的工作流程，幫助科學家辨識出哪些植物基因能控制最佳的微生物合作，加速微生物群的工程化，幫助植物更快生長、減少肥料需求，並產生更多生物質以轉化為有價值的燃料、化學品和材料。這一方法不僅加快了國家在能源和食品安全方面的研究，還提升了美國在全球生物技術領域的競爭力。

植物與其環境中的微生物透過稱為配體的化學信號進行溝通，以形成促進植物生長和健康的合作關係。其中一類關鍵的配體──脂肪氨基寡糖（lipo-chitooligosaccharides，LCOs），受到ORNL科學家的關注，因為它們促進了植物與微生物的共生。然而，由於LCOs的靈活和大型分子結構，預測哪些蛋白質能夠辨識並精確結合這些信號一直是一個挑戰。

現有的運算工具，如AlphaFold，主要預測蛋白質的三維結構，對於LCOs的動態波動預測幫助有限。為了生成更好的蛋白質-配體匹配預測，ORNL的生物物理學家們開發了一種混合方法，結合了分子動力學（MD）模擬和機器學習（ML）預測。這些模擬在美國兩台最快的超級電腦──Frontier和Summit上進行，這些電腦位於ORNL的領導運算設施，專注於開放科學以加速美國的創新和競爭力。

這種名為MD/ML的方法能夠評估植物受體與配體的結合強度，即使在起始蛋白質結構僅為粗略模型的情況下也能有效運作。研究結果預測的結合情況與實驗室結果相符，並揭示了結合過程中的新結構細節。

ORNL運算與預測生物學小組的專案聯合負責人Erica Prates表示：「能夠快速預測這些分子配對意味著科學家可以專注於他們的實驗，節省時間和金錢。」

ORNL分子生物物理學小組專案聯合負責人Omar Demerdash指出：「這項技術顯示我們能夠預測大型、高度靈活的配體與蛋白質受體之間的相對結合強度。這種結合強度最終決定了細胞內發生的事情，包括哪些基因被啟動以及其他多種生理過程。」

運算系統生物學家Dan Jacobson強調：「這種方法考慮到蛋白質並非剛性，而是隨時在運動。大多數蛋白質結構預測工具生成的靜態結構，無法反映實際的靈活性。透過進行考慮蛋白質運動的分子模擬，我們能更好地找到這些結合事件。」

Jacobson補充道：「我們已經開發出一種更好地理解植物受體與外部微生物世界之間界面的方法。這是我們植物-微生物互動研究工具包中的一個良好補充，並且在探索現有藥物療法的重新利用以治療健康障礙方面具有更廣泛的應用。」

參與此項研究的其他ORNL科學家包括Tomás Rush、Udaya Kalluri和Manesh Shah。該研究得到了植物-微生物界面科學重點領域的支持，這是美國能源部科學辦公室生物與環境研究計畫的一部分。

（首圖來源：pixabay）