天然产物来源的新型除草剂研究取得进展

简介: 周佳海课题组与美国加州大学洛杉矶分校的Yi Tang以及Steven Jacobsen课题组合作,发现一种新型天然产物除草剂aspterric acid (AA),成功构建具有AA耐受性的astD转基因作物,预示了AA作为新型除草剂的广阔应用前景。

活性天然产物能够抑制细胞活动中的特定靶点,在过去一个世纪中常常被作为医药健康和农药研发(如杀虫剂、抗菌剂、除草剂及植物生长调节剂)的先导分子。杂草抗性问题是威胁粮食作物生产的重要问题之一,基于环境保护和农业可持续发展的要求,大力研究和发展天然产物来源的除草剂是必要的。除草剂不仅要考虑如何更有效地杀灭杂草,更要以适应环境、安全无公害为出发点,做到作用机理独特,选择性强,对环境和人类安全。
  
中国科学院上海有机化学研究所生命有机化学国家重点实验室周佳海课题组近年来一直致力于天然产物生物合成的结构酶学研究,其在前期工作中揭示了真核非核糖体肽大环环化的结构机制(Nat Chem Biol, 2016, 12:1001-1003),阐明了聚酮合酶负责延伸单元识别的酰基转移酶底物识别机制(Angew Chem Int Ed, 2018,57:5823-5827)。近期,周佳海课题组与美国加州大学洛杉矶分校的Yi Tang以及Steven Jacobsen课题组合作,以抗性基因为导向的基因组挖掘技术成功发现了一种新型天然产物除草剂aspterric acid (AA),AA通过靶向植物支链氨基酸合成途径(BCAA)中的二羟酸脱水酶(DHAD)而抑制植物的生长。该研究首次解析了DHAD全酶的结构,并利用计算化学阐明了AA与酶活性中心的结合机制,揭示了新型除草剂产生效能的分子机制。同时,利用产生菌自身的邻近AA生物合成基因簇的抗性基因astD(其编码蛋白与DHAD具有60%的同源性),成功构建了具有AA耐受性的astD转基因作物。AA抗性基因astD转基因植株的成功构建,预示了AA作为新型除草剂的广阔应用前景。该工作为探索农业生产中开发新型除草剂提供了范例。相关工作于7月11日在线发表在《自然》上。
  
该工作中的DHAD蛋白是一个含有二铁二硫簇的金属蛋白酶,在普通条件下纯化很容易发生氧化导致二铁二硫的丢失,周佳海课题组利用手套箱环境下的定制蛋白质纯化与结晶系统克服了这一困难,最终得到了高分辨率的含二铁二硫簇的拟南芥DHAD晶体结构。
  
Yi Tang课题组的博士生Yan Yan、Steven Jacobsen课题组的博士后Qikun Liu和周佳海课题组的硕士生臧鑫(上海有机所与上海师范大学联合招收的研究生)并列为论文第一作者。这一工作得到中科院战略性先导科技专项(B类)的资助,晶体衍射数据是在上海光源BL19U光束线站上收集。

image

植物支链氨基酸合成途径中三种广谱除草剂靶点以及其中的二羟酸脱水酶(DHAD)的晶体和晶体结构图片

相关文章
|
13天前
|
自然语言处理 测试技术
社区供稿 | 引入隐式模型融合技术,中山大学团队推出 FuseChat-3.0
在大语言模型(LLM)领域,结合多个模型的优势以提升单个模型的能力已成为一大趋势。然而,以往的模型融合方法例如 FuseLLM[1], FuseChat-1.0/2.0[2] 等存在词表对齐困难、效率低下等问题。
社区供稿 | 引入隐式模型融合技术,中山大学团队推出 FuseChat-3.0
|
3月前
|
机器学习/深度学习 存储 分布式计算
未来趋势:探索GraphRAG在大规模异构网络环境下的挑战与机遇
【10月更文挑战第11天】随着互联网和物联网技术的快速发展,数据不仅数量庞大,而且类型多样,形成了复杂的大规模异构网络。这些网络中包含了不同类型的节点(如文本、图像、视频等)以及它们之间的多种关系。如何有效地处理这种大规模异构网络,以便进行内容理解与生成,是当前研究的一个热点问题。Graph Retrieval-Augmented Generation (GraphRAG) 框架作为一种新兴的方法,在这一领域展现出了巨大的潜力。本文将深入探讨GraphRAG的基础理论、构建方法,并分析其在未来大规模异构网络环境下的挑战与机遇。
224 3
|
5月前
|
机器学习/深度学习 人工智能 算法
就AI 基础设施的演进与挑战问题之大模型训练过程中的问题如何解决
就AI 基础设施的演进与挑战问题之大模型训练过程中的问题如何解决
|
7月前
|
存储 人工智能 自然语言处理
LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
|
6月前
|
人工智能 领域建模
应用工程化架构问题之AI计算机中的大模型评估体系发生变化如何解决
应用工程化架构问题之AI计算机中的大模型评估体系发生变化如何解决
|
8月前
|
机器学习/深度学习 人工智能 Cloud Native
助力 AI 技术共享,蚂蚁开源又一核心技术“因果学习系统 OpenASCE”
技术开源是蚂蚁集团的重要技术战略,我们希望通过开源建立起开放、包容的技术生态,让更多人共享技术红利。
助力 AI 技术共享,蚂蚁开源又一核心技术“因果学习系统 OpenASCE”
|
8月前
|
机器学习/深度学习 存储 人工智能
极智AI | 谈谈模型量化组织方式
本文主要聊一下深度学习模型量化组织方式。
325 0
|
机器学习/深度学习 人工智能 算法
|
机器学习/深度学习 人工智能 自然语言处理
|
机器学习/深度学习 人工智能 运维
深度 | 大数据算法应用的测试发展之路
随着最近几年数据计算力与机器智能算法的兴起,基于大数据 AI 算法的应用愈来愈热,大数据应用在各个行业也不断涌现。测试技术作为工程技术的一部分,也随着时代的不断变化在同步演进,在当下 DT 时代,如何测试和保障一个基于大数据的应用的软件质量,成为测试界的一个难题。 本文通过系统性地介绍阿里巴巴 AI 中台的技术质量体系——搜索推荐广告应用的质量是如何测试的,来尝试回答一下这个问题,希望能给大家带来一些借鉴,欢迎斧正,以便改进。
10050 3
深度 | 大数据算法应用的测试发展之路