通过机器学习辅助的虚拟查和分子动力学模拟方法识别针对Magnaporthe oryzae的强效植物化学物质

科学领域:

• 农业科学 农业科学
• 计算生物学 计算生物学
• 菌类学 菌类学是指菌类学.

背景情况:

• 麦格纳波特小虫 (Magnaporthe oryzae) 由于爆发性疾病导致谷物产量大幅下降.
• 目前的化学杀菌剂对M. oryzae的有效性有限.
• 需要新的,天然的生物杀剂来实现可持续的作物保护.

研究的目的:

• 发现具有对Magnaporthe oryzae的生物杀活性的新型植物性天然化合物.
• 研究自然化合物与M. oryzae效应蛋白Avr-PikE.之间的分子相互作用.
• 开发一种用于识别潜在生物杀剂的预测工具.

主要方法:

• 基于机器学习的生物活性预测.
• 对48种植物化合物的虚拟选和分子对接,以对抗Avr-PikE.
• 100 ns的分子动力学 (MD) 模拟,包括经典的和指导的MD,用自由能量计算.
• 开发一个生物活性预测网络应用程序.
• 在体外验证了Lupeol对M. oryzae的抗真菌活性.

主要成果:

• 卡洛托普林,卢皮醇和阿扎迪拉希丁对Avr-PikE效应蛋白具有很高的亲和力.
• MD模拟证实了这些化合物与Avr-PikE.之间稳定和强大的结合相互作用.
• 选的天然代谢物符合杀菌剂相似性的关键标准.
• 卢佩奥尔在体外表现出显著的抗真菌活性,对抗Magnaporthe oryzae.

结论:

• 植物衍生化合物,特别是卢皮醇,卡洛托普林和阿扎迪拉赫丁,是天然生物真菌杀菌剂的有希望的候选者.
• 计算方法有效地确定了针对M. oryzae效应剂的潜在生物杀剂.
• 开发的生物活性预测应用程序可以帮助发现用于作物保护的新抗真菌剂.