摘要：Helen Brahham 是 2Blades 的团队负责人，她的工作重点是探索根除植物病害的可持续方法。Helen 与《自然-植物》杂志谈论了她在学术界和工业界的经历，以及研究人员如何弥合这两个世界之间的差距。

避免错过精彩内容

弥合学术界与产业界之间的鸿沟

Helen Brahham 是 2Blades 的团队负责人，她的工作重点是探索根除植物病害的可持续方法。Helen 与《自然-植物》杂志谈论了她在学术界和工业界的经历，以及研究人员如何弥合这两个世界之间的差距。

能谈谈您的研究吗？

2Blades 是一个非营利性农业生物技术组织，致力于推动该领域的科学发现，以支持商业农场和小农户的弹性及可持续粮食生产。我是隶属于塞恩斯伯里实验室团队的一员。在这里，我管理 NLRseek 项目，我们开发了一个平台，用于快速鉴定和高通量验证新的作物抗病基因。我们最近的工作表明，经典的细胞内免疫受体——核苷酸结合富含亮氨酸重复序列（NLR）蛋白——在未受感染的植物中高度表达，这是一个令人惊讶的发现，因为它挑战了生长-防御权衡的传统观点。我们利用这一发现，获取未感染植物的转录组数据，然后通过原生质体测定和高通量转化方案验证候选 NLR 的功能。这项工作涵盖了从计算开发到我们的小麦试点项目及田间抗性测试的全过程。我们已经成功鉴定出 30 多种新的 NLR，它们能提供对小麦锈病的抗性，并且我们目前正在针对更多病原体进行测试。这个资源库是寻找新抗病基因的宝贵资源，也为研究其功能机制提供了新的范例。这项工作正处在学术界与产业界的交汇点，因为这些 NLR 可以被引入到最终推向市场的优良作物品种中。我们始终在思考如何将我们的发现科学转化为可用的流程和能够部署到田间的产品。

您是如何进入这个研究领域的？

我对作物病理学的兴趣始于布里斯托大学，在那里我开始学习植物科学，更具体地说是植物病害。本科毕业后，我在布里斯托的导师 Keith Edwards 建议我，如果对植物科学感兴趣，就应该去诺里奇研究园。于是，我在塞恩斯伯里实验室师从 Matt Moscou 开始了博士学位研究，从事抗病遗传学方面的工作，接受了分子生物学和计算生物学的交叉培训。这项工作后来发展成为与 2Blades 的合作，随着项目的发展，我转而加入了 2Blades。诺里奇研究园是一个非常激动人心且充满活力的研究生态系统，因为这里有非常多的机会与从事前沿科学研究的学者以及园区内的所有衍生公司和初创企业建立联系。从很多方面来说，我认为自己很幸运，在正确的时间身处正确的地点，并抓住了这些机会。

那么在学术界进行研究与在工业界有何不同？

这是思维模式的不同。在学术界，有非常多关于抗病性的创新和激动人心的研究——涉及蛋白质设计、从头设计结合剂和工程化抗病基因等工作。但许多这些进展将会遇到监管障碍，并且在现行法规下，很难将它们开发成产品。在研究中，你通常不会从产品角度思考你的科学，而是考虑研究如何推动我们对某个系统认知的边界。科学严谨性、理解现象背后的潜在机制以及排除其他假设在这类发现科学中至关重要，但有时也存在因过于关注这些问题而阻碍创新的风险。在工业界，衡量影响和成功的标准不同——你的研究成果所产生的产品是否符合市场需求？是否符合法规？是否适合工业化流程？是否具备可扩展性？

发现科学在理解和创制农业重要性状（如抗病性、耐旱性和谷物品质）的变异方面非常出色，但在研究的下游还有大量工作，包括培育优良品种、获得监管批准、种子分销和获取市场准入。在 2Blades，我们在全球范围内开展工作，并根据不同的作物、病原体和市场定制解决方案。我们既支持商业农场主也支持小农户，因此我们还必须思考如何以最佳方式交付这些产品。如果产品不符合目标市场的需求，或者我们无法将产品送达用户手中，那么开发产品就毫无意义。

对于如何弥合学术界与产业界之间的差距，您有什么建议？

我们开始看到更多的公私合作伙伴关系，即由双方共同资助的学术界与产业界的合作。这方面需求巨大，因为公共科学基金存在的部分原因就是为了推动创新、增加知识，培育那些能够在商业市场中发展成为产品和服务、从而造福社会的想法。随着应对联合国可持续发展目标的需求变得日益紧迫，特别是"零饥饿"目标，对于这些跨学科和多样化的合作伙伴关系有着真正的渴望。学术界、产业界和政府之间的连通性对于实现影响力至关重要。

因此，在这些非学术环境中获得经验非常有用，这也是为什么我建议早期职业研究人员和博士生利用他们所能获得的任何实习或合作机会。去了解工业界的研究是如何运作的，即使只是与公司谈谈他们的动机和市场调研。花时间学习创业精神以及将研究商业化所需的步骤——你可能会发现，你的领域之外有比你意识到的更多的应用机会。有很多支持可用，例如 Nucleate UK 和 ARIA 为生物创业培育了良好的生态系统。

更广泛地说，我认为这就是为什么人际网络如此重要。建立网络听起来可能令人生畏，但它其实就是尽可能多地与来自不同领域的人交流。与风险投资领域的人交流很有趣，可以了解他们的市场、他们如何做出投资决策以及制定商业策略；与农业生物技术领域正在应对该领域重大挑战的人交流；与政策领域的人交流以了解监管考虑因素，等等。获得这些见解将有助于你将你的研究置于更大的图景中，并让你理解你的工作如何能够上升到农业价值阶梯的下一级。

您觉得最具挑战性的是什么？

与许多科学学科一样，最大的挑战是资金的不稳定性。

学术界依赖于对其工作充满热情的人，但较低的资助成功率、漫长的资助决策等待时间和短期合同可能令人筋疲力尽。为纳税人资助的研究做出稳健的决策很重要，但当前的体系往往加剧了学术研究领域面临的不平等、缺乏多样性和高压力的状况。这些问题没有简单的解决方案；不过，我对增加和多样化资助持乐观态度——例如，通过新的资助策略和新的结构，如"聚焦研究组织"，来弥补现有科学生态系统中的空白。

您认为您的研究在未来 5-10 年会如何发展？

我们正处于生物学一个超级激动人心的阶段，感觉过去几年取得了指数级的发展。我们现在可以生成巨大的多组学、时空分辨数据集，使我们能够深入了解生物系统，而人工智能的进步使我们能够以前所未有的规模揭示复杂数据集中的模式。抗病性领域正朝着大规模计算机筛选方向发展，结合蛋白质建模来研究植物与病原体之间的相互作用，以测试新的抗病基因并理解防御反应的触发机制。这些方法可以降低项目风险，缩小候选基因范围，以便随后在湿实验室中进行验证。

对于我们自己的项目，我们已经证明功能性 NLR 基因在未受感染的植物中高度表达，这意味着可以从 RNA 测序数据中鉴定候选基因。这种特征存在于多种植物物种中，有助于快速预测对作物保护有益的新抗性。我们拥有一个包含大约 1000 个不同 NLR 的转基因小麦资源库，这些 NLR 已显示出对主要小麦病原体的抗性。这个数据集对于理解这些基因如何以及为何具有功能性也极其有用：是什么驱动了 NLR 的表达？新的抗性特异性是如何进化而来的？我们还在使用计算方法，如机器学习，来识别哪些其他特征与这些高表达的 NLR 相关，并寻找更多的功能性特征，以帮助预测新的候选基因。

与医学研究相比，植物科学历史上一直资金不足和研究不足，但像 Google DeepMind 和 Microsoft Research 这样的公司对粮食安全解决方案和支持联合国可持续发展目标感兴趣——他们确实有兴趣利用自身能力造福人类。我们正在与 Computomics、STFC Hartree 中心和 IBM 合作，将机器学习方法应用于我们的数据集，以获得更深入的见解并最大化我们数据的价值。我认为将机器学习和人工智能应用于作物病理学和植物科学，对于理解植物如何应对生物和非生物胁迫并适应不断变化的环境至关重要。我对未来以及更多的跨学科工作感到兴奋，这些工作将连接基础研究、农学、数据科学和工程学，以构建可持续的粮食体系并保障我们的长期粮食安全。

采访者：Catherine Walker在线发布日期：2025 年 9 月 23 日

来源：老田说科学