Plant Com | 华中农业大学梅之南 / 陈小林团队提出 AIFD 平台 引领绿色农药研发新范式
2025年4月10日,华中农业大学药用植物可持续利用研究团队梅之南/陈小林教授联合朱丽达博士在Plant Communications在线发表题为“AI-driven fungicide design: from target identification to field application”的前瞻性综述论文。该研究提出了AI驱动杀菌剂设计(AIFD)创新平台,通过整合植物病原特异性数据生态系统、模块化微服务技术架构、线性多阶段开发流程和AI抗性预测工作流四大核心组件,构建了从靶标发现到田间应用的全链条智能研发体系。区别于医药AI优先关注哺乳动物药代动力学,AIFD专门针对农业场景优化——强调田间稳定性(UV抗性、耐雨水冲刷)、传粉昆虫安全性及土壤微生物组保护,为突破传统农药开发“高成本、长周期、快耐药”的三重困境提供了革命性解决方案,标志着作物保护领域进入“计算驱动、精准设计、可持续防控”的后耐药时代新范式。
植物病原真菌每年导致全球粮食作物巨额减产,稻瘟病损失的稻米可养活6000万人,小麦赤霉病产生的DON毒素危及食品安全。传统杀菌剂开发周期长达10-15年、成本超2.6亿美元,而病原真菌进化速度远超研发周期,常在2-5年内产生抗性(如SDHI类杀菌剂面临H134R突变导致的广泛抗性)。现有AI应用多局限于单一研发阶段,缺乏对田间稳定性、系统抗性风险评估及生态系统安全性的整合考量,导致“实验室到田间”转化鸿沟。如何构建适配农业特定需求的端到端AI平台,成为植物保护领域亟待解决的关键科学问题。
本研究系统性提出AI-driven fungicide design (AIFD)平台,将农药研发从“经验驱动试错”转向“数据驱动设计”,建立四大核心组件:
1. 植物病原特异性数据生态系统(基础层) 构建覆盖病原菌多组学(FungiDB、AlphaFold)、化学库(ChEMBL-Agri、PPDB)、知识图谱、IoT田间数据及安全毒理记录的五维数据网络。通过统一数据整合中心实现跨维度因果关联分析,并针对农业特定参数优化——包括UV吸收光谱(光稳定性)、土壤有机碳分配系数Koc(环境归趋)及耐雨水冲刷指数,区别于医药系统关注的血脑屏障穿透和肝脏代谢稳定性。
2. 模块化微服务技术架构(技术支柱) 采用分层解耦设计:基础设施层整合云CPU/GPU/TPU与Kubernetes容器编排;数据服务层提供标准化数据清洗与融合;AI模型服务层部署农业专用算法——等变图神经网络(EGNNs)预测配体-靶标结合,Transformer-强化学习(RL)优化分子结构(奖励函数兼顾结合亲和力与田间稳定性),潜扩散模型从头生成符合农业理化标准的新分子,XGBoost预测抗性突变热点;可解释AI(XAI)模块通过注意力机制高亮关键分子特征,建立监管信任;用户界面层为科研人员、农技推广人员和小农户提供分级交互接口。
3. 线性多阶段开发工作流(核心流程) 贯穿从概念到预注册的完整管线:靶标发现利用GNNs筛选"跨菌株保守、生存必需、与作物亲缘距离远"的靶标;虚拟筛选采用EGNNs预测结合构象,排除蜜蜂高毒及土壤持久性过长(>6个月)的化合物;分子优化通过Transformer-RL和潜扩散模型设计新分子,采用农业化学数据库(PPDB、AGRITOX)预训练避免医药数据的域偏移风险;抗性预测利用分子动力学/MM-GBSA计算结合自由能变化(ΔΔG < 2 kcal/mol判定为低风险),基于Agent的模型(ABM)模拟田间抗性种群动态;安全验证整合One Health框架,评估土壤微生物组影响,排除降低微生物多样性>15%的化合物。
4. AI驱动抗性预测工作流(可持续保障) 构建从基因到生态的多维风险评估:XGBoost识别突变热点,AlphaFold2生成突变体3D结构,MM/GBSA计算野生型与突变体结合能差异,机器学习模型(随机森林/SVM)划分低/中/高风险等级,ABM模拟抗性菌株在真实农业生态中的扩散 timeline,指导轮换策略。
Figure 1. Plant pathogen-specific data ecosystem for AI-driven fungicide design.
AIFD平台代表了作物保护领域从“化学合成试错”向“智能计算设计”的范式革命。通过将多组学数据、物理化学规则与农业情境深度耦合,显著缩短研发周期并从根本上解决耐药性问题。其模块化架构确保了技术的可扩展性与包容性,随着物联网实时数据接入、可解释AI技术与One Health框架的融合,AIFD正推动农药研发从“一次性产品交付”向“持续优化服务”转型,为保障全球粮食安全与农业可持续发展提供了强有力的技术平台。
华中农业大学植物科学技术学院陈小林教授和梅之南教授、信息学院朱丽达博士为本文共同通讯作者。植物科学技术学院博士研究生胡虹和屈志广为本文并列第一作者,刘元龙副教授也参与了本工作。
基金支持: 本研究得到了国家自然科学基金(32272476)、国家重点研发计划(2022YFC3502200)和国家中医药管理局科技项目(GZY-KJS-2025-003)的资助。