12月16日上午，应小麦遗传育种国际联合研究中心邀请，美国加州大学伯克利分校USDA NIFA博士后Danielle Marie Stevens应邀作题为《Hidden Connections:From plant-microbe biodiversity to prediction and engineering of immune outcomes》的学术报告，分享其在植物免疫预测与工程领域的最新研究成果，副所长江千涛与作物学科师生一同出席聆听本次学术报告。
Stevens 博士系统介绍了其团队开发的基于深度学习的植物免疫预测模型 mamp-ml。该模型创新性地运用蛋白质语言模型，能够高效精准地预测植物模式识别受体与病原体分子模式之间的免疫原性。研究整合了过去二十年积累的实验数据，在预测性能上显著优于传统结构预测方法，并已通过实验验证了其有效性。参会师生与Stevens博士就模型优化、应用场景拓展等问题展开热烈讨论，现场交流氛围浓厚。该成果为植物抗病受体的快速发现与抗病育种提供了全新的高效计算工具。
此次学术报告紧跟植物免疫与人工智能交叉研究的前沿趋势，深化了师生对该领域最新进展的理解。
报告人简介：
Danielle Marie Stevens，博士毕业于加州大学戴维斯分校，现任美国加州大学伯克利分校USDA NIFA博士后。主要从事植物先天免疫与宿主-微生物互作研究，在植物免疫受体激活信号传导、病原菌致病机理以及利用蛋白质工程调控免疫反应等方面取得重要发现。在PNAS，Nature Plants，Molecular Plant, Annual Review of Phytopathology，Current opinion in immunology, The Plant Cell, Molecular Plant-Microbe Interactions等国际高水平学术期刊发表10余篇论文。
