《Journal of Agriculture and Food Research》:QSAR Modeling and Machine Learning for Antifungal Peptide Discovery in Crop Protection: Translational Challenges and Future Perspectives
编辑推荐:
杀菌剂抗性以及对传统农用化学品的限制日益增加了对可持续作物保护策略的需求。研究人员认为抗真菌肽(AFPs)因其多重作用机制、可生物降解性以及适用于环境可持续病害控制而成为有前景的候选物。然而,其在农业中的应用仍受到田间稳定性差、递送系统不理想、生产成本高以及缺
杀菌剂抗性以及对传统农用化学品的限制日益增加了对可持续作物保护策略的需求。研究人员认为抗真菌肽(AFPs)因其多重作用机制、可生物降解性以及适用于环境可持续病害控制而成为有前景的候选物。然而,其在农业中的应用仍受到田间稳定性差、递送系统不理想、生产成本高以及缺乏针对植物病原真菌验证的预测模型的限制。本综述收集并批判性比较了2015年至2025年间发表的QSAR和机器学习(ML)研究,重点关注其在作物保护中抗真菌肽发现方面的建模策略、预测性能、局限性以及转化需求。现有文献仍以念珠菌属(Candida spp.)和广泛的生物医学抗真菌数据集为主导,突显了生物医学AFP预测与农业应用之间的转化差距。研究人员比较了八项代表性研究,涉及数据集规模、终点、描述符、算法、目标真菌、预测性能以及验证方法。数据集规模从45–60个肽的小型同源系列到包含多达17,514个序列的大规模集合不等。分类模型通常报告的验证或测试准确率为0.86–0.96,AUC值为0.91–0.99,而回归模型的外部或测试性能变化较大,R2值约为0.50–0.87。所综述的研究展示了多样化的方法学景观,从可解释的QSAR模型到ML分类器,以及基于蛋白质语言模型序列表示的深度学习流水线。总体而言,农业转化的主要障碍并非算法可用性,而是缺乏经过整理的植物病原特异性数据集、标准化的农业终点以及包含田间相关性状(如蛋白酶抗性、紫外稳定性、叶面持久性、制剂相容性、植物毒性以及对有益微生物的影响)的外部基准。
论文主体部分总结如下:
### 1. 引言
#### 1.1. 真菌病害与替代作物保护策略的需求
粮食安全依赖于有限的主要作物物种,而这些作物持续受到植物病原真菌的威胁。真菌病原体每年破坏全球高达23%的作物产量,造成巨大的经济损失,超过2000亿美元。主要病害包括小麦锈病、赤霉病、白粉病等,由镰刀菌属(Fusarium spp.)、灰葡萄孢菌(Botrytis cinerea)、稻瘟病菌(Magnaporthe oryzae)、链格孢属(Alternaria spp.)等病原体引起。对传统杀菌剂如甾醇脱甲基抑制剂(DMIs)和琥珀酸脱氢酶抑制剂(SDHIs)的抗性已广泛存在,超过50%的美国和欧盟田间分离株表现出敏感性降低。同时,严格的法规(如欧盟关于三唑类杀菌剂的限制)进一步减少了可用工具,迫切需要替代方案,如基于肽的化合物。
#### 1.2. 抗真菌肽(AFPs)作为作物保护的可持续解决方案
AFPs因其靶向选择性、可生物降解性以及与常规小分子杀菌剂不同的作用机制,成为可持续作物保护的有前景候选物。其活性机制包括膜破坏、细胞壁合成抑制、细胞内靶向、氧化应激诱导以及激活植物防御途径。这些机制与植物病原真菌的保守结构(如富含甾醇的膜、含几丁质和β-葡聚糖的细胞壁)相关。然而,AFPs的环境可生物降解性带来了配方与递送的权衡:需要足够的稳定性以在植物表面或根际保持活性,同时又要足够可降解以避免残留。此外,田间性能受紫外线、植物和微生物蛋白酶、湿度波动、pH变化、叶面吸附以及制剂依赖性递送等因素影响。因此,农业AFP发现必须考虑环境稳定性、持久性、递送、植物毒性以及对有益微生物的选择性。
#### 1.3. QSAR与机器学习在抗真菌肽开发中的应用
抗真菌肽发现采用互补的实验和计算策略。本综述聚焦于QSAR和ML工作流,因为它们提供了可扩展的框架,用于整合肽序列、分子描述符、活性注释和验证指标,以识别结构-活性模式、筛选虚拟肽库和优先选择候选物。QSAR和ML方法可支持候选物优先排序,超越固有抗真菌效力,包括预测与蛋白水解敏感性相关的基序、优化理化特性以及指导合成和验证。此外,ML驱动的优化有助于降低生产成本,例如整合深度学习与无细胞蛋白质合成。QSAR和ML工作流还可支持递送和制剂开发,通过关联肽理化性质与载体兼容性、溶解度、稳定性和释放行为。本综述旨在批判性综合过去十年应用于抗真菌肽发现的QSAR和ML方法,特别关注其与农业和作物保护应用的相关性,比较已发表模型的数据集、终点、描述符、算法、验证策略和目标真菌物种,并识别以生物医学数据集和念珠菌属(Candida spp.)为中心的验证主导地位,讨论农业转化所需的额外要求。
#### 1.4. 文献综述的方法学框架:检索策略与研究选择
本手稿设计为批判性叙述性综述,包含对QSAR和机器学习研究的结构化比较分析。文献检索使用PubMed、Scopus和SciFinder Scholar,辅助使用ResearchRabbit。检索时间范围为2015年至2025年,针对应用于抗真菌或抗菌肽发现的QSAR、机器学习、深度学习、分子描述符或计算肽设计策略。纳入标准包括:开发或应用QSAR、机器或深度学习模型;使用肽描述符、序列特征、理化描述符或蛋白质语言模型嵌入;报告性能指标;或与作物保护中基于肽的抗真菌策略的转化潜力相关。
### 2. QSAR与机器学习:加速下一代抗真菌肽的十年
QSAR建模与ML的整合支持基于肽的发现,通过实现可扩展的候选物优先排序。平台如PepQSAR可筛选数千个肽序列。深度学习与生成模型进一步扩展了计算肽设计的可能性,例如AMPd-Up、ProT-Diff、FBGAN和Fung-AI流水线,这些方法整合了生成对抗网络(GAN)与计算机分类器,用于从头设计和优先化抗真菌肽。概念性QSAR和ML工作流包括四个关键阶段:(1)肽数据集收集;(2)分子描述符计算;(3)模型开发与验证;(4)虚拟筛选与候选肽选择。其中,数据集构建是最关键步骤,依赖于高质量、一致且具有代表性的训练数据,平衡活性与无活性/诱饵序列。
#### 2.1. QSAR与ML在抗真菌肽发现中的演变
对2015-2025年间文献的结构化检索显示,该领域已多样化,从基于小数据集和可解释线性QSAR模型的经典方法,到大规模、多物种数据集与高级机器学习和生成AI流水线的整合。表2A和2B总结了八项代表性研究,涉及数据集大小(45至17,514个序列)、建模类型(分类或回归)、终点(如MIC、pMIC)、描述符类型(经典2D/3D、序列特征、机器学习嵌入)、算法(如RF、SVM、SVC、SVR、PLSR、BERT-MLP)、性能指标(准确率0.86-0.96,AUC 0.91-0.99,R
2 0.50-0.87)以及目标真菌(主要为念珠菌属)。小数据集(N<100)适合局部结构-活性关系分析,而大规模分类数据集支持更广泛的虚拟筛选和泛化。描述符类型的选择在可解释性与表征能力之间存在权衡:经典描述符(如疏水性、电荷、两亲性)易于解释,而蛋白质语言模型嵌入(如ESM-2)可捕捉复杂序列关系但可解释性降低。终点定义方面,回归方法提供定量分辨率但易受实验变异性影响,而二元分类更易扩展但丢失效力梯度信息。验证策略方面,内部验证(如交叉验证)有助于评估模型稳定性,但外部测试集和适用域评估对于证明泛化能力至关重要。现有研究大多集中于生物医学或临床背景,突显了农业转化的差距。
### 3. QSAR与ML抗真菌肽模型开发的数据资源
模型性能关键依赖于数据可用性、质量和整理。常用数据库包括DRAMP、APD3、CAMP、DBAASP、StarPepDB以及UniProt。这些数据库通常被组合使用以最大化覆盖范围,但整合也带来整理挑战,如冗余、不同注释标准。UniProt常用于生成非抗菌肽序列作为负样本,但可能存在假阴性。早期QSAR研究依赖于手动整理的小数据集,可精确控制质量但适用域有限。表3和4总结了各数据库的作用和用法。现有数据库对植物病原真菌的覆盖不完全,缺乏标准化定量活性测量和农业相关条件,这突显了专门针对植物病原真菌研究的数据集的需求。
### 4. QSAR与ML驱动的抗真菌肽发现用于作物保护的未来展望与挑战
现有文献突显了生物医学研究中的抗真菌肽预测流水线与作物保护应用之间的显著转化差距。大多数模型基于临床相关真菌(如念珠菌属)的数据集,对植物病原系统的探索有限。然而,从机制角度看,人类与植物病原真菌存在保守的细胞壁和膜成分,因此转移性具有生物学基础。但农业应用引入了环境异质性、紫外线、蛋白酶、pH波动、叶面吸附等约束。因此,农业AFP设计必须超越固有抗真菌效力,纳入稳定性、递送、持久性、植物毒性以及对有益微生物的选择性等属性。现有QSAR和ML框架可系统适应这些特定约束。
#### 4.1. 整理植物病原特异性数据集:预测能力的基石
模型性能受限于数据质量。当前模型依赖的数据库未专门针对植物病原特异性终点或田间条件设计。首要步骤是系统整理高质量、植物病原特异性的肽相互作用数据集,包括定量活性数据(如MIC、IC
50、菌丝生长抑制率等),并平衡活性与无活性/弱活性序列。建议开发针对主要植物病原真菌(如灰葡萄孢菌、禾谷镰刀菌、稻瘟病菌、链格孢属、白粉病)的基准数据集,包含标准化定量终点和理化描述符,以及农业相关属性(如植物毒性、制剂兼容性、叶面滞留、环境稳定性)。
#### 4.2. 开发标准化QSAR与ML框架以服务农业相关性
需要开发和严格验证适用于农业相关目标的QSAR和ML框架。应系统评估不同算法家族、描述符空间和验证策略在预测植物病原真菌抗真菌活性方面的相对性能与转移性。建立社区接受的标准基准数据集、标准评估协议和统一性能指标是必要的,以便客观比较不同建模策略。
#### 4.3. 整合生成建模与QSAR筛选以实现快速候选物优先排序
未来AFP发现应超越已知活性序列的预测,转向从头设计。生成模型(如AMPd-Up、ProT-Diff、Fung-AI)与基于QSAR的筛选整合为统一的多阶段发现流水线是一个变革方向。生成算法产生虚拟肽库,然后通过高通量QSAR过滤和次级计算机筛选(如毒性、溶解度、蛋白酶稳定性)进行优先排序,最终得到高置信度候选集用于实验验证。
#### 4.4. 将田间相关性状纳入多目标设计
农业肽设计需优化受控的持久性-降解权衡,而非简单最大化稳定性。下一代QSAR和ML框架应从单目标活性预测转向多目标优化范式,整合田间相关描述符和终点,包括蛋白酶抗性、紫外稳定性、水溶性、叶面滞留、角质层渗透性、制剂兼容性和植物毒性。这需要整合可解释的理化描述符与学习序列表征,但目前缺乏标准化的农业基准数据集限制了模型可比性和泛化能力。
### 5. 结论
QSAR和机器学习方法显著推进了抗真菌肽发现,但直接转化为作物保护应用仍有限。主要限制并非方法学成熟度,而是生物医学数据与农业部署要求之间的不匹配。未来应专注于建立经整理的基准数据集和针对作物保护的稳健预测流水线,转向多目标优化框架,同时整合抗真菌活性与功能性和部署相关属性。QSAR和ML方法已构成有前景且强大的框架,其价值在于提供理性、数据驱动的优先排序策略,其性能预期将随着领域特异性、农业相关数据集、描述符和标准评估方案的使用而显著提升。当前状态应被视为创新和技术扩展的重要机遇,这些方法一旦适应农业终点,将能够高效探索肽化学空间、理性优先化候选物,并显著加速可持续作物保护的开发流水线。