Для фермеров и селекционеров появление новой модели искусственного интеллекта DeepTYLCV означает возможность раннего выявления опасных штаммов вируса желтой курчавости листьев томата (TYLCV), способного нанести значительный ущерб урожаю. Эта система, разработанная научной группой под руководством профессора Балачандрана Манавалана из Университета Сунгкюнкван, прогнозирует вирулентность патогена на основе геномных данных, что позволяет действовать до появления видимых симптомов.
Вирус TYLCV считается одним из самых разрушительных для производства томатов в мировом масштабе. Его высоковирулентные штаммы продолжают распространяться, иногда преодолевая генетическую устойчивость сортов, что делает точный и ранний мониторинг критически важным.
Симптомы заражения особенно заметны на молодых верхушках куста: листья деформируются, мельчают, сморщиваются и закручиваются краями вверх, приобретая форму чашечки. Листовая пластина желтеет, особенно по краям и между жилками, при этом сами жилки могут оставаться зелеными. Междоузлия укорачиваются, растение становится карликовым и приобретает неестественно кустистый вид, напоминающий брокколи. Пораженные бутоны осыпаются, новые плоды не завязываются, хотя уже сформированные томаты могут дозреть.
В отличие от предыдущей модели IML-TYLCV, разработанной той же командой в 2023 году и обученной преимущественно на корейских изолятах, DeepTYLCV создана для работы с глобальными штаммами. Её архитектура объединяет векторные представления языковых моделей белков с гибридным кодировщиком Transformer и многомасштабной сверточной нейронной сетью, что позволяет улавливать как глобальные закономерности последовательностей, так и локальные мотивы, связанные с вирулентностью.
Ключевым преимуществом DeepTYLCV стала её экспериментальная проверка. Исследователи провели слепые прогнозы для 15 изолятов TYLCV, включая международные эталонные и корейские полевые изоляты. Эти прогнозы были подтверждены анализами заражения томатов, оценкой тяжести симптомов и анализом накопления вируса. В результате модель продемонстрировала 100% совпадение между предсказанными и экспериментально наблюдаемыми классами вирулентности.
Работа, опубликованная в журнале Plant Communications, наглядно демонстрирует, как интеграция искусственного интеллекта, вирусной геномики и экспериментальной фитопатологии может поддерживать точное земледелие и борьбу с болезнями растений. DeepTYLCV может служить инструментом для раннего вирусологического мониторинга, программ селекции резистентных штаммов и быстрой оценки новых появляющихся вариантов TYLCV.
