Genome Biology | AI 解锁植物“隐藏肽”：FungiGuard挖掘非经典开放阅读框的抗真菌小肽新功能

真菌病害长期依赖化学杀菌剂防控，但过度使用造成环境污染、农药残留和病原菌耐药，制约绿色农业发展。抗真菌肽是植物体内天然存在的小分子肽，能够帮助植物抵抗真菌侵袭，是作物抗病育种与生物农药研发的重要来源。但这些肽序列短、差异大，传统实验筛选效率低、成本高。近期核糖体测序和蛋白质谱发现，许多基因的非经典开放阅读框可翻译出功能性小肽，提示抗真菌肽资源被严重低估。在海量植物小肽中快速、精准识别抗真菌候选分子，成为发展绿色防控的关键科学问题。

近日，上海交通大学余祥课题组在Genome Biology在线发表题为FungiGuard: identification of plant antifungal peptides with artificial intelligence的研究论文。该研究开发了一个专门针对植物体系优化的人工智能工具FungiGuard，用于从长度小于100个氨基酸的植物编码基因或基因非经典开放阅读框中高效挖掘植物抗真菌肽。

构建植物抗真菌肽专用深度学习预测框架

为解决现有工具在植物体系中准确率不足的问题，研究团队创新性地整合了随机森林、长短期记忆网络与注意力机制，对基于功能注释明确的植物抗真菌肽数据进行训练。通过多模型一致投票策略，FungiGuard 能够更精准地从海量数据中识别出潜在的抗真菌肽，在保持灵敏度的同时显著降低假阳性率，整体预测性能优于现有通用型工具。

系统挖掘多个植物物种编码基因中的抗真菌肽资源

借助 FungiGuard人工智能工具，研究团队系统扫描了拟南芥、小麦、水稻和玉米四大植物物种中基因编码的短开放阅读框（sORFs），共计筛选数万条长度小于100个氨基酸的小肽编码区序列，获得了一批高可信度的候选抗真菌肽。这些肽显著富集于“杀死其它生物细胞”和“对真菌防御反应”等关键生物学过程，明确指向其抗真菌功能。转录组数据分析进一步发现，多个候选基因在真菌侵染条件下显著上调表达，显示其在植物免疫应答中的活跃角色。

系统挖掘并验证拟南芥基因非经典翻译区域中的抗真菌肽资源

长期以来，植物的抗病研究主要聚焦于已知功能基因。然而，最新研究表明，在信使RNA的非翻译区（5' UTR、3' UTR）以及长链非编码RNA区域，隐藏着一类由非经典开放阅读框编码的小肽（NCPs），它们可能是植物免疫系统中尚未被发掘的关键组成部分。研究团队通过拟南芥核糖体测序数据获得了2868条存在核糖体印迹的非经典ORF，运用FungiGuard人工智能平台对这些ORF编码的小肽进行了系统筛查，发现其中191条肽段具有潜在抗真菌活性。这些肽段来源于上游开放阅读框 (uORF)、下游开放阅读框 (dORF)及非编码RNA区域 (ncORF)，揭示了非经典小肽是植物重要的防御资源库。随着核糖体测序在多个植物物种中的普及，未来FungiGuard可用于在多个植物物种中的NCPs中挖掘抗真菌肽。

通过分析灰霉病菌侵染条件下的转录组数据，研究发现11个编码候选小肽的基因表达发生显著上调。为进一步验证这些候选肽的功能，研究团队对其中6条进行了快速活性筛选。实验表明，AtcAFP3与AtcAFP5可在植物叶片中显著抑制灰霉病菌的侵染。进一步实验验证发现，拟南芥AtcAFP5能以剂量依赖方式抑制灰霉菌生长，且显著激活植物免疫相关基因表达，展现出双重抗病机制；结构分析与生化突变实验显示，其 α 螺旋结构及关键氨基酸位点对抗真菌活性至关重要。

AI设计非天然全新抗真菌肽

为突破天然肽资源的限制，团队进一步利用FungiGuard探索了人工设计抗真菌肽的可能性。根据已知抗真菌肽的序列特征，研究团队构建了一万条随机生成的人工肽段文库，通过FungiGuard筛选出514条潜在的抗真菌肽。这些抗真菌小肽富集半胱氨酸和甘氨酸，在氨基酸组成与长度分布上与天然抗真菌肽高度相似，展现出可设计的规律性，为未来从头设计高效、低毒的抗病肽药物提供了新路径。

综上所述，该研究构建了一条“AI 预测 + 实验验证”的高效研究范式，为植物抗真菌肽的系统性发现提供了新思路。该FungiGuard工具有望加速天然抗病分子的挖掘，为作物抗病育种、绿色农业和可持续病害防控提供重要的分子资源和方法学支撑。

上海交通大学生命科学技术学院博士生李翔和药学院助理研究员方艺田为论文第一作者，上海交通大学生命科学技术学院长聘教轨副教授余祥和博士后吴优为该论文通讯作者。本研究得到国家自然科学基金、上海市教委人工智能专项、上海市科委关键技术研究计划和上海市科委自然科学基金支持。

论文链接：

https://link.springer.com/article/10.1186/s13059-026-03983-6