Tuttavia, i batteri sono in continuo mutamento, modificando la propria flagellina per eludere il riconoscimento e aggirare così le difese della pianta. È qui che l’intelligenza artificiale entra in gioco: i ricercatori hanno usato AlphaFold 3 per generare modelli tridimensionali di recettori FLS2 presenti in specie vegetali come vite selvatica, quercia cinese, gelsomino stellato e soia, naturalmente capaci di riconoscere anche le varianti di flagellina. Il modello di IA ha permesso di individuare 13 aminoacidi presenti sulla superficie del recettore, indispensabili per il riconoscimento delle forme batteriche più elusive.
Modificando in modo mirato questi siti adottando tecniche di biologia sintetica, il team ha riprogrammato il recettore FLS2 in piante che prima non erano in grado di rilevare determinati patogeni, rendendole capaci di attivare una risposta immunitaria efficace anche in presenza di varianti batteriche precedentemente “invisibili”.
I risultati, validati sia in laboratorio che in serra, hanno mostrato che le piante modificate sviluppano una risposta immunitaria potenziata, capace di agire anche in presenza di infezioni già in corso, senza effetti collaterali sulla crescita della pianta.
«Siamo riusciti a resuscitare un recettore sconfitto, uno dove il batterio aveva vinto, dando alla pianta una possibilità di resistere all’infezione in modo molto più mirato e preciso», ha detto Gitta Coaker, docente di patologia vegetale e autrice principale dello studio.
Secondo i ricercatori, la modifica mirata dei recettori immunitari potrebbe rappresentare una nuova strategia per rafforzare le colture senza ricorrere a tecniche transgeniche invasive. Al momento, l’obbiettivo principale è rendere le piante più resistenti a batteri come Ralstonia solanacearum, che può infettare oltre 200 specie vegetali e causare perdite ingenti per l’agricoltura.
