1. 领域背景与文献引入
文献英文标题：FungiGuard: an integrated machine learning framework for identifying plant antifungal peptides with experimental validation；发表期刊：Genome Biology；影响因子：17.906；研究领域：植物分子生物学、抗真菌肽研究、生物信息学与机器学习交叉应用。
植物病原真菌是导致全球作物减产的主要生物胁迫因素之一，每年造成的农业经济损失超过千亿美元。植物抗真菌肽（antifungal peptides，AFPs）作为植物先天免疫系统的核心组成部分，通过破坏真菌细胞膜、抑制细胞壁合成、诱导活性氧产生等多种机制抵御病原真菌侵染，是作物抗病育种的重要潜在靶点。领域共识：传统的抗真菌肽发现依赖于实验筛选，效率低下且成本高昂；随着组学技术的发展，植物基因组中大量短开放阅读框（sORFs）和非常规开放阅读框（ncORFs）编码的小肽被发现具有功能，但其中的抗真菌肽尚未被系统挖掘。当前研究热点集中在利用人工智能技术加速抗真菌肽的发现，但现有AI模型多针对广谱抗菌肽开发，训练数据中植物来源抗真菌肽占比低、多样性不足，导致对植物抗真菌肽的预测精度低、假阳性率高，缺乏专门针对植物抗真菌肽的识别工具。本研究正是针对这一核心问题，开发了集成机器学习框架FungiGuard，专门用于植物抗真菌肽的精准识别，为植物抗真菌肽的高效发现提供了新的技术范式。
2. 文献综述解析
作者对领域内现有研究的分类维度主要分为两类：一是按抗真菌肽的来源与类型，分为常规前体肽加工产生的抗真菌肽和非常规开放阅读框（ncORFs）编码的非常规肽（NCPs）；二是按人工智能模型的技术路线，分为传统机器学习模型、深度学习模型和预训练蛋白质语言模型。
现有研究的关键结论包括：植物抗真菌肽在抵御病原真菌侵染中发挥关键作用，不同家族的抗真菌肽具有独特的序列特征和作用机制；非常规肽作为新兴的功能肽类，也被证实具有抗真菌活性，拓展了植物抗真菌肽的来源；人工智能模型在抗菌肽预测中的性能显著优于传统同源比对方法，能有效捕捉序列的隐含特征。技术方法优势方面，深度学习模型如长短期记忆网络（LSTM）、卷积神经网络（CNN）能高效提取序列的局部和全局特征，预训练蛋白质语言模型能整合蛋白质的上下文进化信息，进一步提升预测精度；但现有模型存在明显局限性，多数模型针对广谱抗菌肽训练，未针对植物抗真菌肽的序列特征进行优化，训练数据中植物抗真菌肽的样本量少、物种覆盖不足，导致对植物抗真菌肽的识别能力差，假阳性率高，无法满足植物抗真菌肽大规模筛选的需求。
通过对比现有研究的未解决问题，本研究的创新价值凸显：首次开发了专门针对植物抗真菌肽的集成机器学习框架FungiGuard，整合随机森林、LSTM及其注意力机制变体，通过多数投票策略显著提升了预测精度；首次系统筛选了拟南芥、小麦、水稻、玉米等作物中sORFs和非常规ORFs编码的抗真菌肽候选物，并通过实验验证了AtcAFP5的抗真菌活性及其作用机制；揭示了植物抗真菌肽的序列、结构与功能的关联，为抗真菌肽的理性设计提供了依据。
3. 研究思路总结与详细解析
本研究的整体框架为：以构建高精度植物抗真菌肽识别工具为核心目标，围绕“如何利用机器学习整合多模型提升植物抗真菌肽预测精度”这一核心科学问题，采用“数据集构建→单模型训练与评估→集成模型构建→性能验证→基因组筛选→实验验证”的闭环技术路线，最终实现植物抗真菌肽的高效识别与功能解析。
3.1 数据集构建与序列特征分析
实验目的：构建高质量的植物抗真菌肽训练数据集，明确抗真菌肽与非抗真菌肽的序列特征差异。
方法细节：从PlantPepDB数据库收集529个植物抗真菌肽和5643个非抗真菌肽，筛选出长度≤100氨基酸的肽段，最终得到506个抗真菌肽和2638个非抗真菌肽作为训练数据集；通过生物信息学分析对比两类肽段的序列长度、半胱氨酸含量，以及不同抗真菌肽家族的半胱氨酸比例。
结果解读：抗真菌肽的序列长度显著长于非抗真菌肽（文献未明确提供该数据，基于图表趋势推测），半胱氨酸含量也显著高于非抗真菌肽（文献未明确提供该数据，基于图表趋势推测）；不同抗真菌肽家族的半胱氨酸含量差异较大，环肽家族平均半胱氨酸比例约20%，而甜蛋白家族的半胱氨酸比例低于5%，说明部分抗真菌肽并非依赖半胱氨酸形成的二硫键维持结构。
产品关联：文献未提及具体实验产品，领域常规使用生物信息学数据库如PlantPepDB、序列分析软件等。
3.2 单模型训练与性能评估
实验目的：评估不同机器学习模型在植物抗真菌肽分类任务中的性能，筛选最优单模型用于集成框架构建。
方法细节：构建6个分类模型，包括4个深度学习模型（LSTM、双向LSTM（biLSTM）、带注意力机制的LSTM、带注意力机制的biLSTM）和2个传统机器学习模型（随机森林（RFC）、支持向量机（SVC））；采用加权随机采样解决数据集类别不平衡问题，使用Adam优化器和交叉熵损失函数进行模型训练；通过holdout验证（10%数据作为测试集）评估模型性能，指标包括受试者工作特征曲线下面积（AUC）、准确率、精确率、召回率、F1值。
结果解读：随机森林模型的AUC最高，达到0.93，准确率为90.46%，精确率79.76%，召回率60.91%，F1值69.07%；支持向量机模型的召回率仅20%，性能较差被排除；带注意力机制的biLSTM模型准确率为88.08%，仅次于随机森林；概率分布分析显示，随机森林模型对抗真菌肽和非抗真菌肽的预测概率分离最清晰，抗真菌肽的预测概率集中在1.0附近。
产品关联：文献未提及具体实验产品，领域常规使用Python机器学习库如TensorFlow、Scikit-learn等。
3.3 FungiGuard集成模型构建与性能验证
实验目的：构建集成机器学习框架，进一步提升植物抗真菌肽预测的精度和可靠性。
方法细节：集成5个性能最优的单模型（LSTM、biLSTM、带注意力机制的LSTM、带注意力机制的biLSTM、随机森林），采用多数投票策略进行预测；评估不同投票数（1-5个模型一致）下的模型性能，分析精确率、召回率、F1值及混淆矩阵。
结果解读：当5个模型一致投票时，预测的精确率最高，达到89.58%，真阳性比例约89.6%，显著高于部分模型一致的情况；虽然全模型一致投票导致召回率略有下降，但精确率的大幅提升更有利于筛选高置信度的抗真菌肽候选物，降低后续实验验证的成本。
产品关联：文献未提及具体实验产品，领域常规使用集成学习框架如Scikit-learn的VotingClassifier等。
3.4 FungiGuard与现有模型性能对比
实验目的：验证FungiGuard在植物抗真菌肽识别任务中的性能优势。
方法细节：将FungiGuard与当前性能最优的广谱抗真菌肽预测模型AFP-MFL进行对比，分别在PlantPepDB植物小肽数据集和10%测试集上评估模型的AUC、准确率、精确率、召回率、F1值及假阳性率；分析AFP-MFL预测结果与训练集中抗真菌肽的序列同源性关系。
结果解读：AFP-MFL在PlantPepDB数据集上的AUC为0.78，准确率74.96%，精确率仅33.47%，假阳性率高达66.5%；而FungiGuard在10%测试集上的精确率为89.58%，假阳性率仅33.3%，是AFP-MFL的一半；进一步分析发现，AFP-MFL预测为真阳性的植物抗真菌肽与训练集中的抗真菌肽序列同源性更高，说明其对低同源性的植物抗真菌肽识别能力不足，而FungiGuard专门针对植物抗真菌肽训练，能有效识别序列多样性高的植物抗真菌肽。
产品关联：文献未提及具体实验产品，领域常规使用预训练蛋白质语言模型如AFP-MFL等。
3.5 植物基因组抗真菌肽候选物预测
实验目的：利用FungiGuard系统筛选拟南芥、小麦、水稻、玉米中的抗真菌肽候选物。
方法细节：提取四种植物基因组中长度≤100氨基酸的sORFs编码肽段，以及拟南芥中通过核糖体测序（Ribo-seq）鉴定的非常规ORFs（上游ORFs（uORFs）、下游ORFs（dORFs）、非编码ORFs（ncORFs））编码的肽段，使用FungiGuard进行抗真菌肽预测；对拟南芥的候选抗真菌肽进行基因本体（GO）富集分析、转录组表达谱分析，并通过SignalP 6.0预测信号肽。
结果解读：拟南芥中预测到35个抗真菌肽候选物，占其sORFs编码肽段的1.24%，比例为四种植物中最高；GO富集分析显示这些候选物显著富集于“杀死其他生物细胞”和“真菌防御反应”功能条目；多个候选物在真菌胁迫下表达上调，如AT5G44430、LCR76；拟南芥中约17%的候选抗真菌肽含有信号肽，提示其可能分泌到胞外发挥作用。
产品关联：实验所用关键产品：SignalP 6.0软件、AlphaFold3。
3.6 候选抗真菌肽的实验验证与功能解析
实验目的：验证候选抗真菌肽的抗真菌活性，解析其作用机制与关键功能位点。
方法细节：通过农杆菌介导的瞬时表达在本氏烟草中表达6个候选抗真菌肽，筛选对灰霉病菌具有抑制活性的肽段；化学合成活性肽段AtcAFP5，进行体外最小抑菌浓度（MIC）测定、体内抗病实验（本氏烟草和拟南芥的灰霉病菌接种）；通过丙氨酸扫描突变AtcAFP5的关键氨基酸残基，分析突变体的抗真菌活性变化；利用共聚焦显微镜观察灰霉病菌菌丝形态，核酸泄漏实验分析细胞膜完整性；通过实时荧光定量PCR（RT-qPCR）分析免疫相关基因的表达水平。
结果解读：AtcAFP5对灰霉病菌的MIC为16 μmol/L（n=3，P<0.01）；100 μmol/L AtcAFP5处理本氏烟草叶片会导致坏死，而8-32 μmol/L处理能显著抑制灰霉病菌感染，病斑面积显著减小（n=3，P<0.05）；T19和T20残基突变后，AtcAFP5的抗真菌活性完全丧失，且无法有效诱导免疫相关基因的表达；共聚焦显微镜观察显示AtcAFP5能破坏灰霉病菌菌丝结构，核酸泄漏实验证实其能导致真菌细胞膜完整性受损，而突变体无此效果。
产品关联：实验所用关键产品：FastPure Universal Plant Total RNA Isolation Kit（Vazyme）、qTOWER³ touch实时PCR仪、ECL Super Kit（Abclonal）、Zeiss荧光显微镜。
3.7 随机生成肽段的抗真菌肽预测与特征分析
实验目的：探索非天然来源抗真菌肽的序列特征，验证FungiGuard的泛化能力。
方法细节：基于已知植物抗真菌肽的长度分布和氨基酸组成，生成10000个随机小肽，使用FungiGuard预测其中的抗真菌肽；分析预测得到的抗真菌肽的氨基酸组成、序列长度、二级结构及理化性质，并与已知抗真菌肽进行对比。
结果解读：FungiGuard从10000个随机肽段中预测到514个抗真菌肽，其氨基酸组成与已知植物抗真菌肽一致，半胱氨酸和甘氨酸含量最高；序列长度集中在20-50氨基酸区间，与已知抗真菌肽的长度分布一致；二级结构分析显示预测抗真菌肽的α-螺旋比例显著高于非抗真菌肽，理化性质如等电点、分子柔性也与已知抗真菌肽相似。
产品关联：文献未提及具体实验产品，领域常规使用随机序列生成工具、蛋白质结构分析软件等。
4. Biomarker研究及发现成果解析
Biomarker定位
本研究涉及的生物标志物为植物来源的抗真菌肽，包括常规sORFs和非常规ORFs编码的功能肽段，属于功能型生物标志物。其筛选与验证逻辑为：首先基于PlantPepDB的标注数据集训练FungiGuard集成模型，利用模型的高精确性预测植物基因组中的潜在抗真菌肽；然后通过GO富集分析、转录组表达谱筛选与真菌防御功能相关的候选物；最后通过体外和体内实验验证其抗真菌活性，明确其功能与作用机制。
研究过程详述
抗真菌肽的来源涵盖拟南芥、小麦、水稻、玉米的基因组sORFs编码肽段，以及拟南芥中通过Ribo-seq鉴定的非常规ORFs（uORFs、dORFs、ncORFs）编码的肽段。验证方法包括体外MIC测定、本氏烟草和拟南芥的体内抗病实验、关键残基突变体的功能分析、免疫相关基因的表达分析等。特异性方面，FungiGuard在植物抗真菌肽识别中的精确率达89.58%，能有效降低假阳性；敏感性方面，虽然全模型一致投票的召回率略有下降，但通过该策略筛选的候选物具有极高的置信度，后续实验验证的成功率显著提升。AtcAFP5对灰霉病菌的MIC为16 μmol/L，在体内实验中能显著抑制灰霉病菌的侵染，病斑面积较对照组显著减小（n=3，P<0.05）。
核心成果提炼
本研究的核心成果包括：首次发现拟南芥非常规ORFs编码的AtcAFP5具有显著的抗灰霉病菌活性，其T19和T20残基是维持活性的关键位点，突变后抗真菌活性完全丧失，且无法有效诱导植物免疫反应；系统揭示了植物抗真菌肽的序列特征（半胱氨酸含量高、序列长度集中在20-50氨基酸）和结构特征（α-螺旋结构为主要二级结构）；开发的FungiGuard框架作为专门针对植物抗真菌肽的识别工具，能高效筛选高置信度的抗真菌肽候选物，为作物抗病育种提供了新的靶点资源；创新性在于首次构建了针对植物抗真菌肽的集成机器学习模型，突破了现有广谱模型在植物抗真菌肽识别中的局限性，同时首次系统解析了非常规ORFs编码的植物抗真菌肽的功能，拓展了植物抗真菌肽的来源范围。