[蛋白质设计综述-1]中国农业大学《plant physiology》:作物育种新范式 ,AI驱动的蛋白质设计!
人工智能驱动的蛋白质设计助力未来植物研究与作物育种中国农业大学王向峰教授团队注意到，尽管人工智能驱动的蛋白质语言模型及衍生工具在生命科学领域已广泛用于蛋白质结构预测、功能解析与设计，但其在植物科学领域的应用尚处起步阶段，且智能育种时代仍以概念验证为主，尚未形成系统化的研究范式，因此亟需对该领域的基本原理、核心模型与工具进行系统梳理，并探索其在植物研究与作物育种中的潜在应用；为此，该团队在综述中首先系统阐述了蛋白质理解与生成的基本原理与主流模型，并通过两个玉米基因的案例分析，展示了基于结构感知的突变—功能关系解析如何支撑更精准的假设提出与实验验证，进而针对不同蛋白质工程目标，提出了融合人工智能的理性设计、半理性设计、重构设计与 de novo（从头）设计等通用策略与流程，旨在构建从蛋白质功能解析到人工变体与合成蛋白创制的完整技术链条，从而为作物育种创新提供新路径；在此基础上，团队进一步指出了当前将蛋白质设计应用于植物领域所面临的实验结构数据匮乏与植物生物系统复杂性等关键挑战，为后续研究明确了突破方向。研究成果于2026年3月18日以题为“AI-enabled protein design facilitates future plant research and crop breeding”发表在《plant physiology》上。图1：蛋白质设计在植物研究中的整合方法与工作流程。图1系统整合了人工智能驱动的蛋白质设计在植物研究中的完整工作流程。它分别针对理性/半理性设计、重构设计及de novo（从头）设计三类策略，列出了对应工具与流程，并向下延伸至DNA层面的密码子优化与基因组整合，向上归纳为“设计—构建—测试—学习”的迭代循环，明确了从计算设计到育种应用的全链条技术路径。图2：蛋白质设计促进植物研究中假设的提出与验证。图二以玉米ZmGID1为范例，展示了人工智能驱动的蛋白质设计如何贯穿植物研究的完整流程：从AF3预测三维结构、解析互作界面与动态机制，到设计纳米抗体与bioPROTAC进行功能验证。该图体现了“结构预测—机制模拟—工具创制—体内验证”的闭环研究范式，是人工智能驱动的科学研究（AI4S）在植物科学中应用的典型示范。本文综述了人工智能驱动的蛋白质设计在植物研究与作物育种中的基本原理、核心模型与应用前景。植物系统在表达效率、免疫原性及功能验证方面具有独特优势，但面临结构数据匮乏与生物系统复杂性的双重挑战。未来需开发面向植物生物学的专用模型、集成化AI4S智能体及生物育种平台，并建立生物安全风险评估体系。该领域正推动植物育种从“性状发现与解析”向“性状设计与合成”的范式转变，其成功依赖于与高通量筛选、基因编辑及田间验证的深度融合。Yuxuan Lou, Tianhao Wu, Fan Xia, Anwen Zhao, Xiangfeng Wang, AI-enabled protein design facilitates future plant research and crop breeding, Plant Physiology, 2026;, kiag147, DOI：https://doi.org/10.1093/plphys/kiag147「Medicine世界」致力于构建一个涵盖生物医学前沿、蛋白质科学创新与临床转化应用的医学领域信息平台。我们重点关注蛋白质结构解析、动态修饰机制、药物靶点开发及精准医疗应用，追踪蛋白质组学与人工智能、基因编辑、免疫工程等领域的交叉突破，坚持“科学严谨、创新驱动、临床导向”的理念，推动医学研究从分子机制到治疗实践的跨越式发展。欢迎关注，投稿联系：2394448373@qq.com
