[研究成果]2026Engining 数据驱动的磺胺类抗生素跨膜转运途径解耦与植物转运蛋白挖掘以增强
当前位置: 中文主页 >> 论文简介 >> [研究成果]2026Engining 数据驱动的磺胺类抗生素跨膜转运途径解耦与植物转运蛋白挖掘以增强标题： 《数据驱动的磺胺类抗生素跨膜转运途径解耦与植物转运蛋白挖掘以增强植物修复》
(Data-Driven Decoupling of Transmembrane Transport Pathways for Sulfonamide Antibiotics: Mining Plant Transporter for Improved Phytoremediation)
摘要：
新兴有机污染物（如药物）正日益威胁全球生态系统，植物修复是一种可持续策略，但其效率高度依赖于能够转运污染物的跨膜蛋白。传统转运蛋白鉴定受限于突变体库构建的高成本及盲目筛选的低效性。本研究开发了一种机器学习-分子动力学收敛框架，从机制上解耦了植物中磺胺类抗生素的跨膜转运途径。通过随机森林模型成功预测了5种磺胺类的整体跨膜特性；分子动力学模拟量化了其被动扩散能力。两者的显著差异表明主动转运在植物摄取中起关键作用。结合转录组学、分子对接与异源表达技术，本研究鉴定出LrABCG35为一种新型广谱磺胺类抗生素转运蛋白，展现出增强污染物植物介导转运的潜力。该策略避免了无效的工程化试错，通过预先筛选污染物的转运蛋白依赖性，加速了精准植物修复技术的开发。
研究内容和结果：
该研究整合机器学习预测、分子动力学模拟、转录组学分析与异源表达验证，系统解耦了黑麦草对5种磺胺类抗生素的跨膜吸收机制；通过对比整体渗透性与被动扩散系数的显著差异，首次证实主动转运蛋白在抗生素摄取中的主导作用，并成功挖掘出响应性上调且具备广谱转运能力的LrABCG35（ABC转运蛋白家族）。该转运蛋白在大肠杆菌异源表达系统中显著提升了对多种磺胺类药物的富集效率，证明通过数据驱动策略精准定位关键转运蛋白可有效突破传统植物修复的技术瓶颈，为环境药物污染的高效生物清除与生态风险评估提供了理论依据与应用范式。
作者： Jia-Heng Zhao（赵佳恒）, Zhuang-Hao Hou（侯壮豪，共一第二）, Wei-Qiang Lin, Yi Hu（胡怡）*, Yan-Yun Hu, Guo-Ping Sheng（盛国平）* 等
（注：*表示通讯作者）
年份： 2026年
DOI链接： https://doi.org/10.1016/j.eng.2026.03.008
期刊： Engineering
此论文为合作文章，质谱学新技术的体现：传统的代谢组学方法采用匀浆法进行制样，无法区分根茎处的抗生素究竟位于细胞间质还是细胞内；本实验采用单细胞显微取样技术，用取样针直接插入细胞内进行取样，确认了细胞内摄取了抗生素。