基于轉錄組和AlphaFold快速鑒定水稻特異性響應稻瘟病菌侵染的轉錄因子和靶標

摘要：轉錄因子是調控植物免疫響應的關鍵因子之一。為鑒定水稻早期響應稻瘟病菌侵染的關鍵轉錄因子及相互作用的靶基因，探究早期病原菌誘導型轉錄因子的調控功能，為水稻的免疫機制研究和抗病種質創制提供理論依據，利用生物信息學方法對水稻基因組中的轉錄因子進行鑒定，通過水稻-稻瘟病菌互作轉錄組和Mfuzz表達模式特征分析，篩選受稻瘟病菌誘導的轉錄因子和參與調控的功能。利用AlphaFold3對關鍵的轉錄因子和靶基因構建蛋白-DNA相互作用的復合體模型，并對轉錄因子潛在的結合靶標進行篩選。結果在水稻中總共鑒定到1 948個轉錄因子，約89類轉錄因子。其中1、3、2、6號染色體的轉錄因子數目較多，分別為279、250、235、176個。共鑒定到673個轉錄因子受稻瘟病菌侵染水稻誘導，其中主要包含11%的WRKY、11%的MYB和11%的C2H2轉錄因子。這些轉錄因子主要調控植物信號轉導、植物-病原菌的相互作用和MAPK信號、響應乙烯、響應水楊酸、響應茉莉酸、天然免疫和對細菌的防御響應等功能；鑒定到集合1和集合6中的轉錄因子受病原菌特異性誘導后表達量持續增加；利用AlphaFold3發現Os5t0343400編碼的WRKY轉錄因子與SIB1基因啟動子存在互作。結果表明，水稻在響應稻瘟病菌早期侵染中，約172個轉錄因子通過調控激素和免疫防御等途徑響應稻瘟病菌的侵染，并預測到1個響應病原菌的轉錄因子及作用靶標在水稻免疫響應中發揮重要作用。

關鍵詞：轉錄因子；稻瘟病菌；水稻；AlphaFold3；作用靶標

中圖分類號：S435.111.4+1" 文獻標志碼：A

文章編號：1002-1302（2025）04-0023-08

收稿日期：2024-11-04

基金項目：現代農業產業科技服務項目（編號：KC23139）；江蘇省徐州市科技重點研發項目（編號：KC21121）。

作者簡介：鳳舞劍（1976—），男，江蘇睢寧人，碩士，副教授，主要從事農業有害生物菌原分離、鑒定及綜合防控技術研究。E-mail：fwjedu@126.com。

稻瘟病是影響水稻生產的重要病害，全球每年因為稻瘟病損失的水稻產量足以養活6 000萬人。我國每年因稻瘟病造成的水稻產量損失高達50萬t以上［1］。培育抗病品種是最經濟有效的病害防治手段。當前，基因編輯技術的快速發展，已經成為創制優質作物的重要工具。因此，探究水稻和病原菌的互作特征，挖掘水稻抗病的關鍵基因，有助于培育高產高抗的水稻新種質，同時也為水稻抗病育種提供理論基礎和資源。轉錄因子作為響應生物脅迫功能的主調節因子，是改良作物的絕佳候選基因［2］。許多轉錄因子家族，包括 WRKY、MYB、NAC、C2H2和 bZIP，都有報道與植物響應生物脅迫反應有關［3］。Li等通過全基因組關聯分析在水稻中鑒定到1個保守的C2H2類轉錄因子，通過結合抑制轉錄因子MYB進而抑制H2O2的降解，最終賦予水稻廣譜抗病能力［4］。WRKY 轉錄因子是應對病原體感染的關鍵調節因子。在棉花中，WRKY轉錄因子可以誘導GhMYC2介導的類黃酮生物合成相關基因的表達，激活GhMKK2-GhNTF6通路從而增強棉花對尖孢鐮刀菌的抗性［5］。在谷子中鑒定到SiMYB041、SiMYB074、SiMYB100、SiMYB177和SiMYB202基因在抗銹病過程中發揮重要作用［6］。由大麥柄銹菌（Puccinia hordei Otth.）侵染水稻引起的葉銹病是影響大麥產量和品質的重要病害。Chen等通過精細定位鑒定的NAC轉錄因子Rph7，通過介導大麥的基礎防御反應增強大麥對葉銹病的抗性［7］。AlphaFold2和RoseTTAFold人工智能工具的出現，加速了對功能機制的研究。Xu等利用AlphaFold2對脂質生物合成結構模型進行預測。Xia等利用AlphaFold重新設計了一種植物果膠甲基酯酶抑制劑，以實現對真菌和卵菌的廣譜抗病性［8］。

人工智能（AI）作為一種新興的工具可以應用到植物育種領域的多個方面，能有效提高預測、挖掘植物育種數據等多方面的應用潛力［9-10］。當前，對于植物早期響應病原菌侵染的核心轉錄因子和靶基因的鑒定策略研究較少。生物信息學和人工智能工具的交叉聯用已經逐漸成為植物功能研究利器，能極大效率完成對核心功能基因的挖掘。本研究擬通過生物信息學和人工智能工具AlphaFold3對水稻響應稻瘟病菌侵染的核心轉錄因子和靶基因進行鑒定，分析水稻轉錄因子早期響應稻瘟病菌侵染的功能。

1 材料與方法

1.1 水稻基因組和轉錄組的獲取

水稻基因組由Rap-db（The Rice Annotation Project Database）水稻數據庫（https：//rapdb.dna.affrc.go.jp/news.html）下載獲得，包括全基因組蛋白質序列文件和全基因組包含上游2 kb的啟動子序列文件。水稻響應稻瘟病菌侵染的轉錄組數據來源于NCBI（National Center for Biotechnology Information）數據庫（https：//www.ncbi.nlm.nih.gov/），具體是將稻瘟病菌的分生孢子懸浮液（1×105 個/mL）噴施至水稻的葉鞘，分別選取稻瘟病菌侵染0、18、27、36、45、72 h的樣本用于轉錄組測序（PRJNA179498）。

1.2 水稻轉錄因子的預測

將水稻全基因組的蛋白質序列上傳至植物轉錄因子預測數據庫iTAK（http：//itak.feilab.net/cgi-bin/itak/index.cgi） 進行水稻全基因組的轉錄因子預測［11］。

1.3 轉錄組數據的分析

首先使用eggNOG-Mapper（http：//eggnog-mapper.embl.de/）數據庫對水稻全基因組蛋白質進行功能預測［12］。利用R軟件包Tidyverse包（https：//cran.r-project.org/web/packages/tidyverse/index.html）對注釋完的GO功能和KEGG通路基因文件進行整理［13］。隨后利用TBtools進行GO功能富集和KEGG通路富集分析［14-16］。對于基因的表達模式分析，使用R軟件包Mfuzz包（https：//bioconductor.org/packages//2.7/bioc/html/Mfuzz.html）進行表達模式的聚類分析［17］。

1.4 轉錄組因子靶基因預測

將候選轉錄因子的蛋白質序列上傳至轉錄因子數據庫JASPAR（https：//jaspar.elixir.no/）進行靶基因特征的預測。使用蛋白質數據庫UniProt對候選轉錄因子的靶基因互作網絡進行預測［18］。

1.5 AlphaFold3預測轉錄因子的靶基因

使用AlphaFold3對潛在的轉錄因子和靶基因進行預測。將候選轉錄因子的蛋白質序列與潛在靶基因的啟動子序列上傳AlphaFold3蛋白-分子互作預測數據庫（https：//alphafoldserver.com/）進行轉錄因子的靶基因預測［19］。利用Chemira對轉錄因子和靶基因的啟動子結合模型進行可視化分析。

2 結果與分析

2.1 水稻轉錄因子篩選

為了鑒定水稻早期響應稻瘟病菌的轉錄因子，首先使用iTAK數據庫對水稻基因組中的轉錄因子進行預測，總共鑒定到1 948個轉錄因子，這些轉錄因子歸屬于89類（圖1-A）。其中MYB型、bHLH型、ERF型、C2H2型、NAC型、WRKY型和bZIP型轉錄因子數目在水稻基因組存在比較多，分別為168、118、113、108、98、85、80個。隨后對水稻上每條染色體上的轉錄因子的分布進行統計，其中1號染色體上的轉錄因子數目最多，為279個，約占轉錄因子總數的14.32%；其次分別是3號、2號、6號和4號染色體，轉錄因子的數目分別為250、235、176、174個（圖1-B）。隨后對1號、2號、3號和6號染色體上的轉錄因子進行統計（圖1-C），發現MYB（11%）、WRKY（10%）和bHLH（10%）轉錄因子數目最多；2號染色體主要為AP2/ERF（14%）、bHLH（10%）和MYB（8%）；3號染色體主要為bHLH（10%）、C2H2（10%）和B3（8%）；6號染色體主要為bHLH（8%）、NAC（8%）和bZIP（8%）。

2.2 水稻響應稻瘟菌的轉錄因子篩選

利用水稻響應稻瘟病菌侵染的轉錄組對關鍵轉錄因子進行篩選。熱圖分析發現有673個轉錄因子在病原菌侵染后表達量顯著增加（圖2-A）。對水稻響應稻瘟病菌侵染的轉錄因子進行篩選，發現有11%WRKY、11%的MYB和11%的C2H2轉錄因子在病原菌侵染后被誘導表達（圖2-B）。為了探究病原菌誘導的轉錄因子調控的基因功能，對這些轉錄因子進行KEGG通路和GO功能進行富集分析。在KEGG通路富集分析中發現植物信號轉導、植物-病原菌的相互作用和MAPK信號等通路顯

著富集（圖2-C）。在對篩選的病原菌相關的轉錄因子進行GO功能富集分析，發現轉錄因子結合、響應乙烯、響應水楊酸、響應茉莉酸、天然免疫和對細菌的防御響應等功能顯著富集（圖2-D）。該結果表明在稻瘟菌侵染水稻早期，轉錄因子調控的激素通路是抵御稻瘟病菌侵染的重要武器。

2.3 水稻響應稻瘟菌侵染的關鍵轉錄因子篩選

為了鑒定水稻響應稻瘟病菌侵染的核心轉錄因子，對潛在轉錄因子的表達特征進行分析，總共鑒定到6個不同表達趨勢的基因集合，其中集合1和集合6中的轉錄因子在稻瘟病菌侵染后表達量顯著增加，表明這些轉錄因子受病原菌特異性誘導（圖

3-A）。對集合1和集合6中的轉錄因子進行GO功能富集分析，2個基因集總共鑒定到152個功能因子，其中激素響應、DNA結合、幾丁質響應、水楊酸響應、茉莉酸響應和信號轉導等功能顯著富集（圖3-B，圖3-C）。對這集合1和集合 6中的富集到152個GO功能的轉錄因子進行分析，發現在集合1中WRKY轉錄因子的數目最多（圖3-D），約為16.98%，其次是bZIP（15.09%）、MYB（13.21%）和NAC（13.21%）；Cluster 6中WRKY和C2H2轉錄因子的數目最多，約為13.64%，其次是bZIP（11.36%）和MYB（11.36%）轉錄因子。

2.4 核心轉錄因子的靶基因鑒定

鑒定到8個轉錄因子在水稻響應稻瘟病菌侵染中表達量大量增加（圖4-A）。對Os5t0343400編碼的WRKY轉錄因子的靶基因進行預測，通過JASPAR預測發現Os5t0343400存在4個結合基序，主要結合基序特征為GTCAA（圖4-B）。使用UniProt對Os5t0343400的靶基因進行預測，總共預測到10個潛在調控的靶基因（圖4-C）。為了鑒定Os5t0343400潛在的關鍵靶基因，利用AlphaFold3對Os5t0343400和8個高親和的靶基因的啟動子結合特征進行了模型構建，分析發現Os5t0343400編碼的WRKY轉錄因子與SIB1基因啟動子可信性較高，ipTM和pTM分別為0.49和0.42（圖4-D），該結果表明SIB1可能為Os5t0343400的靶基因。

3 討論

稻瘟病作為水稻的一大病害，嚴重影響著我國的糧食安全。而植物與病原體之間的相互作用中，轉錄因子作為基因表達的中心調節因子對于植物抵御病原菌的侵染至關重要。因此，對于水稻早期響應稻瘟病菌侵染的挖掘仍需進一步探究，其早期病原菌響應相關的轉錄因子和靶基因的挖掘對于水稻抗稻瘟病材料的創制和抗病機制的研究具有重要意義。

3.1 水稻早期響應稻瘟病菌的轉錄因子鑒定

轉錄因子在植物的生長發育、功能代謝和應對脅迫等中發揮關鍵的調控作用［20-21］。植物在抵御病原菌的侵染過程中，PTI免疫和ETI發揮著重要作用。而在PTI和ETI發揮功能的過程中，轉錄因子發揮的信號轉導和基因表達是調節這些防御機制的必要條件［22］。在水稻中，轉錄因子HOS59通過抑制水稻中NLR免疫受體BRG8介導的免疫反應，賦予水稻對稻瘟病和白葉枯病的抗性［23］。轉錄因子IPA1是水稻理想株型建成的關鍵基因，當感知稻瘟病菌侵染時，IPA1通過磷酸化Ser163位點，通過結合抗病基因WRKY45的啟動子從而增強水稻的抗病性［24］。在本研究中，對水稻響應稻瘟菌菌侵染的轉錄因子中，鑒定到WRKY、MYB、C2H2、bZIP和NAC等轉錄因子受稻瘟病菌的侵染后表達量顯著增加。同時在基因表達模式特征的鑒定中，發現

WRKY、MYB、C2H2、bZIP和NAC等轉錄因子隨著稻瘟病菌侵染時間的增加，表達量持續增加，該結果表明這些轉錄因子在水稻早期響應稻瘟病菌侵染中發揮重要作用。而WRKY、MYB、C2H2、bZIP和NAC等轉錄因子已在植物抗病中被廣泛報道。在擬南芥中發現轉錄因子MYB44是MPK3和MPK6觸發的免疫級聯調控所必需的，MYB44通過促進級聯信號的表達增強進而增強擬南芥的PTI免疫［25］。稻瘟病菌侵染可以誘導OsWRKY7的表達，過表達OsWRKY7賦予水稻對真菌稻瘟病菌和細菌白葉枯病菌的抗性［26］。

3.2 水稻早期響應稻瘟病菌的轉錄因子的功能調控

轉錄因子通常通過調節或激活激素、抗病相關蛋白和抗病分子的積累增強植物的抗病性。在柿樹中DkWRKY8和DkWRKY10轉錄因子通過結合DkCAD1的啟動子，通過增加葉片中木質素的積累賦予柿樹對炭疽病的抗性［27］。在水稻中，鑒定發現bHLH類轉錄因子OsbHLH6能夠與OsNPR1和OsMYC2相互作用，進而調控植物激素水楊酸和茉莉酸，增強水稻抗病能力［28］。漸狹葉煙草中的轉錄因子NaWRKY70參與茉莉酸和乙烯信號的協同調控，同時也會促進植保素含量的增加增強植物抗病力［29］。在本研究中，對cluster 1和cluster 6中表達量持續增加的轉錄因子進行功能富集，發現這些轉錄因子主要參與植物激素和免疫防御等途徑。表明激素在植物早期免疫中發揮關鍵作用。WRKY、MYB、NAC和bZIP等轉錄因子均有報道與植物激素的生物合成和信號傳導有關［30-33］，本研究結果與之一致。

3.3 稻瘟病菌誘導轉錄因子的靶基因鑒定

轉錄因子作為中間因子需要激活下游的靶基因發揮免疫功能。在本研究中，利用生物信息學和結構生物學對稻瘟病菌響應型轉錄因子的靶基因進行了篩選和預測。發現水稻WRKY轉錄因子Os5t0343400在響應稻瘟病菌侵染中表達量持續增加，預測發現Os5t0343400的靶基因大多數包含VQ域，利用AlphaFold3預測發現Os5t0343400與SIB1基因的啟動子結合性最高。已有研究表明WRKY57可以與SIB1相互作用，增強擬南芥對灰霉菌的抗性［34］。人工智能工具已逐步在植物功能的研究中大放光彩，AlphaFold2、AlphaFold3和RoseTTAFold工具的出現，加速了對未來蛋白結構的特征解析和挖掘，同時也對蛋白和蛋白、分子和DNA、RNA的互作提供了有利的支持。Homma等利用AlphaFold-Multimer對番茄中的6個免疫相關水解酶和7種番茄病原菌分泌的1 879個胞間效應蛋白進行復合物的預測，發現了15個新型的水解酶-抑制子的復合物模型，并發現4個新型抑制子蛋白可以顯著抑制水解酶P69B的活性［35］。Xia等利用AlphaFold結構復合體預測工具，依據GmPMI1的特征設計了一種可以特異性靶向并抑制病原體分泌的果膠甲酯酶，而不影響植物自身與植物生長發育相關的果膠甲酯酶［9］。人工智能工具的快速發展，將極大促進植物功能機制的研究和加速作物分子育種的速度。

4 結論

在水稻中共鑒定到172個轉錄因子受稻瘟病菌侵染所誘導，主要為WRKY、MYB、C2H2、bZIP和NAC等轉錄因子。這些轉錄因子在水稻中主要通過調控激素代謝和免疫防御等功能響應稻瘟病菌的侵染，同時鑒定到SIB1是WRKY轉錄因子Os5t0343400在早期響應稻瘟病菌侵染中的一個潛在靶標。

參考文獻：

［1］盧椰子，邱結華，蔣 楠，等. 稻瘟病菌效應子研究進展［J/OL］. 中國水稻科學，2024：1-13（2024-09-05）［2024-10-11］. https：//kns.cnki.net/kcms2/article/abstract？v=14CuGbpFC1A-OxGI4gbP_oucG9SKxHlnUuQHONQ3pPvaU3-EbJA9pimQMwsbt 8wQmJoV3ukQOdXBJg-e7gp6RPQukVaXk7Nh5kE3_4Zu0MgNMs GLLhWiGIly9GlI_-T91jxRsq6z6FwlVxNUAAjM3LoVmHGNrwRN bYpxKNlBOYL6GRaYY9WZ8RmAu8dizyjvamp;uniplatform=NZKPTamp;l anguage=CHS.

［2］Baillo E H，Kimotho R N，Zhang Z，et al. Transcription factors associated with abiotic and biotic stress tolerance and their potential for crops improvement［J］. Genes，2019，10（10）：771.

［3］Wang H，Wang H，Shao H，et al. Recent advances in utilizing transcription factors to improve plant abiotic stress tolerance by transgenic technology［J］. Frontiers in Plant Science，2016，7：1-13.

［4］Li W，Zhu Z，Chern M，et al. A natural allele of a transcription factor in rice confers broad-spectrum blast resistance［J］. Cell，2017，170（1）：114-126.

［5］Wang L，Guo D，Zhao G，et al. Group Ⅱc WRKY transcription factors regulate cotton resistance to Fusarium oxysporum by promoting GhMKK2-mediated flavonoid biosynthesis［J］. New Phytologist，2022，236（1）：249-265.

［6］白 輝，宋振君，王永芳，等. 谷子抗銹病反應相關MYB轉錄因子的鑒定與表達［J］. 中國農業科學，2019，52（22）：4016-4027.

［7］Chen C，Jost M，Outram M A，et al. A pathogen-induced putative NAC transcription factor mediates leaf rust resistance in barley［J］. Nature Communications，2023，14（1）：5468.

［8］Xu Y，Singer S D，Chen G.Protein interactomes for plant lipid biosynthesis and their biotechnological applications［J］. Plant Biotechnology Journal，2023，21（9）：1734-1744.

［9］Xia Y，Sun G，Xiao J，et al. AlphaFold-guided redesign of a plant pectin methylesterase inhibitor for broad-spectrum disease resistance［J］. Molecular Plant，2024，17（9）：1344-1368.

［10］Farooq M A，Gao S，Hassan M A，et al. Artificial intelligence in plant breeding［J］. Trends in Genetics，2024，40（10）：891-908.

［11］Zheng Y，Jiao C，Sun H，et al. iTAK：A program for genome-wide prediction and classification of plant transcription factors，transcriptional regulators，and protein kinases［J］. Molecular Plant，2016，9（12）：1667-1670.

［12］Cantalapiedra C P，Hernández-Plaza A，Letunic I，et al. eggNOG-mapper v2：functional annotation，orthology assignments，and domain prediction at the metagenomic scale［J］. Molecular Biology and Evolution，2021，38（12）：5825-5829.

［13］Li C，Deans N C，Buell C R. “Simple Tidy GeneCoEx”：a gene co-expression analysis workflow powered by tidyverse and graph-based clustering in R［J］. The Plant Genome，2023，16（2）：20323.

［14］Chen C，Chen H，Zhang Y T，et al. TBtools：an integrative toolkit developed for interactive analyses of big biological data［J］. Molecular Plant，2020，13（8）：1194-1202.

［15］Gene Ontology Consortium. Gene ontology consortium：going forward［J］. Nucleic Acids Research，2015，43：1049-1056.

［16］Kanehisa M，Furumichi M，Tanabe M，et al. KEGG：new perspectives on genomes，pathways，diseases and drugs［J］. Nucleic Acids Research，2017，45：353-361.

［17］Kumar L，Futschik M. Mfuzz：a software package for soft clustering of microarray data［J］. Bioinformation，2007，2（1）：5-7.

［18］Rauluseviciute I，Riudavets-Puig R，Blanc-Mathieu R，et al. JASPAR 2024：20th anniversary of the open-access database of transcription factor binding profiles［J］. Nucleic Acids Research，2024，52（1）：174-D182.

［19］Abramson J，Adler J，Dunger J，et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3［J］. Nature，2024，630（8016）：493-500.

［20］Liu F，Xi M W，Liu T，et al The central role of transcription factors in bridging biotic and abiotic stress responses for plants’ resilience［J］. New Crops，2024，630（8016）：493-500.

［21］段俊枝，楊翠蘋，王 楠，等. WRKY轉錄因子在植物耐鹽基因工程中的應用進展［J］. 江蘇農業科學，2023，51（5）：71-80.

［22］Hadrami A，Adam L R，Daayf F. Biocontrol treatments confer protection against Verticillium dahliae infection of potato by inducing antimicrobial metabolites［J］. Molecular Plant-Microbe Interactions Journal，2011，24，328-335.

［23］Xu S，Wei X，Yang Q，et al. A KNOX Ⅱ transcription factor suppresses the NLR immune receptor BRG8-mediated immunity in rice［J］. Plant Communications，2024，5（10）：1001.

［24］Wang J，Zhou L，Shi H，et al. A single transcription factor promotes both yield and immunity in rice［J］. Science，2018，361（6406）：1026-1028.

［25］Wang Z，Li X，Yao X，et al. MYB44 regulates PTI by promoting the expression of EIN2 and MPK3/6 in Arabidopsis［J］. Plant Communications，2023，4（6）：1628.

［26］Zheng C，Zhou J，Yuan X，et al. Elevating plant immunity by translational regulation of a rice WRKY transcription factor［J］. Plant Biotechnol J，2024，22（4）：1033-1048.

［27］Fan H，Shen X，Ding Y，et al. DkWRKY transcription factors enhance persimmon resistance to Colletotrichum horii by promoting lignin accumulation through DkCAD1 promotor interaction［J］. Stress Biology，2024，4（1）：17.

［28］Meng F，Yang C，Cao J，et al. A bHLH transcription activator regulates defense signaling by nucleo-cytosolic trafficking in rice［J］. Journal of Integrative Plant Biology，2020，62（10）：1552-1573.

［29］Song N，Wu J. NaWRKY70 is a key regulator of Nicotiana attenuata resistance to Alternaria alternata through regulation of phytohormones and phytoalexins biosynthesis［J］. New Phytologist，2024，242（3）：1289-1306.

［30］杜 超. WRKY轉錄因子家族在植物響應逆境脅迫中的功能及應用［J］. 草業科學，2021，38（7）：1287-1300.

［31］邱文怡，王詩雨，李曉芳，等. MYB轉錄因子參與植物非生物脅迫響應與植物激素應答的研究進展［J］. 浙江農業學報，2020，32（7）：1317-1328.

［32］Xu Y，Zou S，Zeng H，et al. A NAC transcription factor TuNAC69 contributes to ANK-NLR-WRKY NLR-mediated stripe rust resistance in the diploid wheat Triticum urartu［J］. International Journal of Molecular Sciences，2022，23（1）：564.

［33］李冬月，原文霞，鄭 超，等. bZIP轉錄因子在植物激素介導的抗病抗逆途徑中的作用［J］. 浙江農業學報，2017，29（1）：168-175.

［34］Jiang Y，Yu D.The WRKY57 transcription factor affects the expression of jasmonate ZIM-Domain genes transcriptionally to compromise Botrytis cinerea resistance［J］. Plant Physiology，2016，171（4）：2771-82.

［35］Homma F，Huang J，van der Hoorn R A L. AlphaFold-multimer predicts cross-kingdom interactions at the plant-pathogen interface［J］. Nature Communications，2023，14（1）：6040.