EffectorFisher: связывание фенотипа болезни с пангеномными профилями белковых изоформ для улучшения предсказания патогенных эффекторов грибов

Почему это важно для нашего продовольствия

Грибковые болезни незаметно лишают мировые урожаи зерна, достаточного для питания сотен миллионов людей. Эти микроскопические захватчики действуют, выделяя специальные молекулы — эффекторы, которые помогают им обезвреживать растительные защиты. Выявление того, какие эффекторы участвуют в заражении конкретного гриба, могло бы позволить селекционерам выбирать сорта пшеницы, устойчивые к инфекции. Но существующие компьютерные методы выдают огромные списки возможных белков-эффекторов — намного большее число, чем учёные могут проверить в лаборатории. В этом исследовании представлен EffectorFisher — новый способ сузить такие списки, непосредственно связывая белки грибов с видимыми симптомами, которые они вызывают на сельскохозяйственных культурах.

Как грибы и пшеница сражаются друг с другом

Растительно-патогенные грибы атакуют, секретируя мелкие белки в ткани хозяина. Некоторые из этих эффекторных белков обходят стандартные иммунные сигналы и либо ослабляют защиту, либо даже вызывают гибель клеток растения. В свою очередь пшеница несёт рецепторы, способные распознавать конкретные эффекторы. В классической «ген-к-гену» взаимоотношении определённые рецепторы узнают эффектор и останавливают инфекцию. В «обратной» версии, распространённой для грибов, убивающих клетки хозяина, распознавание другим классом рецепторов фактически помогает грибу, способствуя гибели клеток. Поскольку разные сорта пшеницы несут разные наборы рецепторов, один и тот же штамм гриба может полностью уничтожить один культивар и почти не затронуть другой. Именно эта вариация в тяжести болезни и служит ключевым сигналом, который использует EffectorFisher.

Почему прежних инструментов предсказания было недостаточно

В последние годы биоинформатические конвейеры, такие как Predector, ускорили поиск эффекторов. Они сканируют геномы грибов в поисках белков, похожих на эффекторные: небольших, обогащённых определёнными аминокислотами, секретируемых из клетки и иногда похожих на известные факторы вирулентности. Однако геномы грибов эволюционируют быстро, накапливая множество фоновых мутаций, которые искажают простые ДНК-сигналы без обязательного изменения функции белка. В результате методы ассоциативного анализа по отдельным буквенным заменам в ДНК часто тонут в шуме, особенно у грибов, где широко распространён процесс мутаций, называемый repeat-induced point mutation. Поэтому Predector и похожие инструменты обычно возвращают сотни или тысячи кандидатов, многие из которых — белки «хозяйственного» назначения или вовсе не связанные с патогенезом.

Связывание вариантов белков с симптомами болезни

EffectorFisher использует иной подход. Вместо того чтобы спрашивать только «что похоже на эффектор?», он также задаёт вопрос «какие белки изменяются в соответствии с тяжестью болезни на разных сортах пшеницы?». Авторы сначала строят пангеном для каждого вида патогена: объединённый каталог всех генов и всех различных версий белков, или изоформ, найденных среди множества изолятов грибов. Для каждой группы кандидатов на эффектор, обнаруженной Predector, они фиксируют, какие изоформы встречаются в каких изолятах. Затем эти шаблоны изоформ сравнивают с оценками болезни, полученными при контролируемых заражениях на панелях сортов пшеницы. С помощью статистического теста EffectorFisher оценивает, насколько сильно наличие или отсутствие каждой изоформы связано с высокой или низкой степенью поражения на каждом сорте, оставляя белки с плотной связью и отбрасывая те, где связи нет.

Проверка метода на практике

Авторы протестировали EffectorFisher на двух хорошо изученных патогенах пшеницы: Parastagonospora nodorum, который полностью убивает ткань хозяина, и Zymoseptoria tritici, который сначала ведёт себя более мирно, а затем вызывает повреждения. У обоих видов уже имеются несколько экспериментально подтверждённых эффекторов. Начиная с широких списков кандидатов от Predector, EffectorFisher сократил число предсказанных эффекторов и одновременно поднял известные эффекторные белки гораздо выше в ранжировании. Для P. nodorum метод сократил количество кандидатов с 185 примерно до 50–120, при этом всё ещё восстановив все известные эффекторы и улучшив их позиции примерно в четыре раза. Для Z. tritici, где биология несколько иная, число кандидатов уменьшилось с более чем 1 300 до менее чем 900, а сила ранжирования многих подтверждённых эффекторов примерно удвоилась. Анализ также показал, какие вариации эффекторов наиболее тесно связаны с восприимчивостью или устойчивостью конкретных сортов пшеницы.

Что это значит для будущей защиты посевов

Поскольку EffectorFisher работает напрямую на уровне белков и использует полный пангеном вместо одного референсного генома, он способен обойти некоторые подводные камни, которые мешают ДНК-ориентированным ассоциативным исследованиям в сильно мутирующих геномах грибов. Авторы показывают, что полезные результаты можно получить даже при скромных наборах данных, если изоляты грибов и сорта пшеницы подобраны так, чтобы охватывать диапазон исходов болезни. В практическом плане этот подход даёт фитопатологам более короткие, целенаправленные списки кандидатов-эффекторов для лабораторной проверки и более ясные подсказки о том, какие сорта пшеницы будут противостоять каким популяциям патогенов. По мере накопления большего числа геномов грибов и опросов болезней, инструменты вроде EffectorFisher могут помочь селекционерам опережать эволюционную гонку вооружений между культиварами и патогенами, угрожающими глобальной продовольственной безопасности.

Цитирование: Hossain, M., Gray, N., Misiun, P. et al. EffectorFisher: association of disease phenotype with pangenomic protein-isoform profiles for improved prediction of fungal pathogenicity effectors. Sci Rep 16, 13077 (2026). https://doi.org/10.1038/s41598-026-43646-x

Ключевые слова: эффекторы грибов, болезни пшеницы, пангеном, белковые изоформы, прогнозирование эффекторов