8月24日，中国科学院上海营养与健康研究所武爱波研究组在国际学术期刊Journal of Advanced Research在线发表了题为“Computational glycosyltransferases masked deoxynivalenol toxicity and halted FHB spread in wheat grains”的研究论文。研究通过开发EPP-GT深度学习模型，挖掘出新型糖基转移酶UGTs，为真菌毒素安全控制提供新方案。

赤霉病是由禾谷镰刀菌（Fusarium graminearum）引起的小麦主要病害，不仅可导致小麦减产，其产生的DON毒素对人体和动物健康也构成严重威胁。生物酶降解真菌毒素是一种环境友好且高效的脱毒策略，然而现有高效DON降解酶的种类和资源非常有限。

研究团队开发了专门用于糖基转移酶（GTs）底物杂泛性预测的深度学习模型EPP-GT，该模型整合了来自GTDB、Rhea和RxnFinder等多个数据库的酶-底物配对数据，采用图神经网络结合注意力机制的计算模拟方法，实现对糖基转移酶催化功能的高效预测。通过前期模型预测和实验验证，成功挖掘出具有DON降解能力的新型UGTs，其物种来源分别为酸枣（Ziziphus jujuba）和野生稻（Oryza meyeriana）。体外催化实验表明这两种酶能将DON转化为低毒性的D3G，转基因小麦相关实验进一步证实，表达新型UGTs的小麦品系表现出对DON和禾谷镰刀菌感染的显著抗性，病害症状减轻，毒素积累减少。

本研究将深度学习驱动的酶功能预测与农业抗病应用相结合，不仅拓展了功能性酶的发现路径，也为作物抗病育种提供了新的基因资源，该策略有望应用于更多毒素降解酶的发掘与应用。

营养与健康所研究员武爱波、武汉大学教授胡黔楠为该论文的通讯作者，营养与健康所副研究员田野、新加坡国立大学助理教授张大川、瑞士联邦材料科学与技术研究所博士后邢华东为该文共同第一作者。该工作得到国家自然科学基金委杰出青年科学基金等项目支持。

图：基于酶底物杂泛性预测（EPP-GT）模型筛选新型UGTs

原文链接：

https://www.sciencedirect.com/science/article/pii/S2090123225006605

推送单元：武爱波研究组、科技规划与任务处