Para ilmuwan di UC Davis telah menggunakan kecerdasan buatan untuk membantu tanaman lebih mengenali dan mempertahankan diri terhadap ancaman bakteri, sebuah perkembangan menjanjikan yang dapat melindungi tanaman penting seperti tomat dan kentang.
Para peneliti dari University of California, Davis, telah memanfaatkan kecerdasan buatan untuk meningkatkan sistem kekebalan tanaman, yang memungkinkan mereka mendeteksi spektrum ancaman bakteri yang lebih luas. Terobosan ini dapat secara signifikan memperkuat mekanisme pertahanan tanaman pokok seperti tomat dan kentang terhadap penyakit yang melemahkan.
Penelitian, diterbitkan dalam jurnal Nature Plants, menyoroti penggunaan inovatif AI untuk mendesain ulang reseptor imun tanaman. Reseptor ini merupakan komponen krusial dalam sistem imun tanaman, yang memungkinkan tanaman mengidentifikasi dan melawan bakteri pengganggu.
Salah satu reseptor ini, FLS2, bertanggung jawab untuk mengenali flagellin, protein yang terdapat pada struktur ekor yang digunakan bakteri untuk mobilitas. Namun, bakteri seringkali bermutasi agar tidak terdeteksi, sehingga terus-menerus menjadi tantangan bagi sistem pertahanan tanaman.
"Bakteri sedang berlomba-lomba dengan tanaman inangnya, dan mereka dapat mengubah asam amino yang terkandung dalam flagellin untuk menghindari deteksi," ujar penulis utama Gitta Coaker, seorang profesor di Departemen Patologi Tanaman di UC Davis, dalam siaran pers.
Untuk mengatasi tantangan ini, tim Coaker menggunakan AlphaFold, sebuah alat AI canggih yang dirancang untuk memprediksi struktur 3D protein. Dengan memanfaatkan variasi alami dan wawasan AI, mereka mendesain ulang FLS2, yang secara efektif meningkatkan respons imun tanaman untuk mengenali dan merespons beragam bakteri pengganggu.
Para peneliti secara khusus menargetkan reseptor yang diketahui dapat mendeteksi lebih banyak galur bakteri, meskipun reseptor ini awalnya tidak ditemukan pada spesies tanaman pangan utama. Dengan membandingkan reseptor berspektrum luas ini dengan reseptor berspektrum sempit, mereka mengidentifikasi asam amino mana yang perlu diubah.
“Kami berhasil menghidupkan kembali reseptor yang kalah, reseptor tempat patogen menang, dan memungkinkan tanaman memiliki peluang untuk melawan infeksi dengan cara yang jauh lebih terarah dan tepat,” tambah Coaker.
Implikasi dari penelitian ini mencakup penciptaan ketahanan penyakit berspektrum luas pada tanaman melalui desain prediktif. Salah satu fokusnya adalah Ralstonia solanacearum, patogen bawaan tanah yang kuat yang menyebabkan penyakit layu bakteri, yang menyerang lebih dari 200 spesies tanaman, termasuk tanaman penting seperti tomat dan kentang.
Ke depannya, tim ini bertujuan untuk menyempurnakan perangkat pembelajaran mesin guna memprediksi reseptor imun mana yang optimal untuk diedit dan meminimalkan jumlah asam amino yang memerlukan modifikasi. Pendekatan inovatif ini dapat merevolusi cara meningkatkan sistem imun tanaman, yang berpotensi menghasilkan hasil panen yang jauh lebih tinggi dan ketahanan pangan global yang lebih baik.
Selain Coaker, penulis penelitian ini termasuk Tianrun Li, Esteban Jarquin Bolaños, Danielle M. Stevens dan Hanxu Sha dari UC Davis, bersama dengan Daniil M. Prigozhin dari Laboratorium Nasional Lawrence Berkeley.
Sumber: University of California, Davis