Expectation-maximization for structure determination directly from cryo-EM micrographs

Este artículo presenta un algoritmo aproximado de maximización de expectativas que permite determinar estructuras moleculares tridimensionales directamente a partir de micrografías de criomicroscopía electrónica con baja relación señal-ruido, evitando así la necesidad de localizar y extraer previamente las imágenes de proyección individuales.

Lo esencial

¡Claro que sí! Imagina que eres un detective intentando reconstruir la forma exacta de un objeto misterioso (una molécula), pero tienes un problema gigante: no puedes ver el objeto directamente. Solo tienes una foto borrosa y llena de nieve (ruido) tomada desde un ángulo desconocido, y esa foto contiene muchos copias del mismo objeto, todas mezcladas, desordenadas y en lugares aleatorios.

Aquí te explico cómo funciona este nuevo método, usando analogías sencillas:

1. El Problema: La "Búsqueda de la Aguja en el Pajarraco"

En la ciencia actual (llamada Cryo-EM), los científicos hacen lo siguiente:

1. Toman una foto gigante llena de "nieve" (ruido).
2. Intentan encontrar manualmente (o con un programa) dónde está cada pequeña partícula dentro de esa foto. Esto es como intentar encontrar agujas en un pajar, pero el pajar está en una tormenta de nieve.
3. Una vez que encuentran las agujas, las recortan y las usan para reconstruir la imagen.

El fallo: Si la molécula es muy pequeña, la "nieve" es tan fuerte que el programa no puede distinguir la aguja del pajar. Se pierde todo. Es como intentar ver una mota de polvo en una habitación oscura con una linterna parpadeante; simplemente no puedes encontrarla para recortarla.

2. La Solución: "La Sopa de Letras" vs. "Leer la Historia"

El nuevo método de este paper (escrito por Kreymer, Singer y Bendory) cambia las reglas del juego. En lugar de intentar encontrar las agujas primero, dicen: "¿Y si intentamos leer la historia completa de la foto sin recortar nada?".

Imagina que tienes un periódico viejo y arrugado donde se han impreso muchas copias de la misma noticia, pero están desordenadas, rotas y cubiertas de manchas de café.

• El método viejo: Intenta encontrar cada palabra individual, recortarla y luego armar la frase. Si la mancha de café es grande, pierdes la palabra y la frase no tiene sentido.
• El nuevo método (EM Aproximado): Mira todo el periódico como un todo. Asume que la noticia está ahí, mezclada con el ruido. Usa un algoritmo inteligente (llamado Expectation-Maximization o "Esperanza-Maximización") que hace dos cosas una y otra vez:
  1. Adivina (Esperanza): "Creo que esta mancha podría ser una 'A' y esta otra una 'T'".
  2. Mejora (Maximización): "Bueno, si asumo que son 'A' y 'T', ¿cómo debería verse el resto de la frase para que tenga más sentido?".
  3. Repite esto miles de veces hasta que el ruido desaparece y la frase (la molécula) emerge claramente.

3. La Magia: No necesitas saber dónde está nada

Lo genial de este algoritmo es que es como un chef que cocina sin saber dónde están los ingredientes.

• Normalmente, necesitas saber exactamente dónde está cada trozo de carne para cocinarlo.
• Este algoritmo dice: "No importa si no sé si la carne está a la izquierda o a la derecha, ni si está girada. Voy a probar todas las posibilidades a la vez, matemáticamente, y encontraré la receta que mejor explica la comida que tengo en la olla".

Matemáticamente, esto significa que el algoritmo "promedia" todas las posiciones y rotaciones posibles. En lugar de tener que calcular millones de variables (que haría que la computadora explote), el algoritmo es lo suficientemente inteligente para ignorar lo que no importa (el ruido y la posición exacta) y centrarse solo en la forma de la molécula.

4. ¿Por qué es importante? (El "Efecto Mariposa")

Hasta ahora, solo podíamos ver moléculas "grandes" (como un elefante). Las moléculas pequeñas (como un ratón) se perdían en el ruido porque no podíamos encontrarlas para recortarlas.

Con este nuevo método:

• Podemos ver el "ratón" directamente en la foto borrosa sin necesidad de encontrarlo primero.
• Esto abre la puerta a estudiar virus pequeños, fármacos y proteínas que antes eran invisibles para la ciencia.

5. El Truco de la "Cocina por Pasos" (Frequency Marching)

El algoritmo es muy pesado para la computadora (como intentar resolver un rompecabezas de 100,000 piezas de golpe). Para hacerlo rápido, usan un truco llamado "marcha de frecuencias":

1. Primero, resuelven solo las piezas grandes y borrosas del rompecabezas (la forma general).
2. Una vez que tienen la forma general, usan eso como base para resolver las piezas más pequeñas y detalladas.
3. Es como dibujar un boceto rápido antes de poner los detalles finos. Esto hace que el proceso sea mucho más rápido y eficiente.

En resumen

Este paper presenta un nuevo "superpoder" para la microscopía electrónica. En lugar de intentar encontrar las piezas perdidas en una foto llena de ruido (lo cual es imposible si el ruido es muy fuerte), el algoritmo reconstruye la imagen completa directamente de la foto borrosa, adivinando y mejorando la forma de la molécula paso a paso.

Es como si pudieras ver la silueta de una persona en una habitación oscura y llena de niebla, no porque encuentres sus ojos o su nariz, sino porque tu cerebro (el algoritmo) entiende cómo se ve una persona en general y filtra la niebla hasta que la figura aparece nítida. ¡Y ahora podemos ver moléculas que antes eran invisibles!

Resumen técnico

A continuación presento un resumen técnico detallado del artículo "Expectation-Maximization for Structure Determination Directly from Cryo-EM Micrographs" en español.

1. El Problema: Limitaciones del Paradigma Actual en Cryo-EM

La microscopía electrónica criogénica de partícula única (cryo-EM) es una tecnología fundamental para determinar la estructura tridimensional (3D) de biomoléculas. Sin embargo, el paradigma computacional actual enfrenta una limitación crítica en regímenes de baja relación señal-ruido (SNR), típicos de moléculas pequeñas (generalmente < 40 kDa).

• El flujo de trabajo tradicional: Se divide en dos etapas:
  1. Selección de partículas (Particle Picking): Identificar y extraer las imágenes de proyección individuales de la micrografía ruidosa.
  2. Reconstrucción 3D: Reconstruir la estructura a partir de las imágenes extraídas.
• La falla: En estructuras pequeñas, la SNR es tan baja que la detección de las partículas en la etapa 1 es imposible o muy inexacta. Si la selección falla, la reconstrucción posterior también falla.
• Perspectiva de la teoría de estimación: El problema actual implica estimar simultáneamente la estructura 3D ($M$ parámetros) y los parámetros de pose (rotación y traslación) para cada una de las $T$ proyecciones. Esto resulta en un número de parámetros que crece linealmente con el número de partículas ($M + 5T$), lo que viola las condiciones para la existencia de un estimador consistente en regímenes de baja SNR (paradoja de Neyman-Scott).

2. Metodología: Algoritmo Aproximado de Expectación-Maximización (EM)

Los autores proponen un nuevo marco computacional que bypassea la etapa de selección de partículas, estimando la estructura 3D directamente desde la micrografía completa.

A. Modelo de Formación de la Medida

Se modela la micrografía como una superposición de $T$ proyecciones 2D de un volumen 3D ($f$), cada una con una rotación desconocida ($\omega_t \in SO(3)$) y una traslación desconocida ($\vec{t}_t$), sumadas a ruido gaussiano.

• El objetivo es marginalizar (integrar) sobre todas las variables de "molestia" (rotaciones y traslaciones) para estimar solo los coeficientes que definen el volumen 3D.
• Se utiliza una expansión en funciones de Bessel esféricas y armónicos esféricos para representar el volumen, y funciones de onda esferoidales proláticas (PSWFs) para representar las proyecciones en el dominio espacial, permitiendo una conexión eficiente entre el espacio de Fourier y el espacial.

B. El Algoritmo EM Aproximado

Una aplicación directa del algoritmo EM es computacionalmente intratable debido al espacio de búsqueda exponencial de las traslaciones en la micrografía. Para resolver esto, los autores proponen:

1. División en Parches (Patching): La micrografía se divide en parches no superpuestos del tamaño de una proyección ($L \times L$).
2. Modelo de Parche: Se asume que cada parche contiene como máximo una proyección (o parte de ella) o está vacío. Esto reduce el espacio de traslaciones a un conjunto finito y manejable dentro de cada parche.
3. Iteraciones EM:
   • Paso E (Expectación): Calcula la probabilidad de que un parche contenga una proyección en una posición y rotación específicas, dado el volumen actual estimado. Se discretiza el espacio de rotaciones ($SO(3)$).
   • Paso M (Maximización): Actualiza los coeficientes del volumen 3D y la distribución de traslaciones para maximizar la función de verosimilitud esperada. Esto se formula como un problema de mínimos cuadrados ponderados.

C. Optimizaciones Computacionales

Para hacer el algoritmo viable en datos reales, se implementan dos estrategias clave:

• EM Estocástico: En lugar de usar todos los parches en cada iteración, se selecciona un subconjunto (mini-batch). Esto reduce drásticamente el uso de memoria y el tiempo por iteración, a costa de requerir más iteraciones.
• Marcha de Frecuencias (Frequency Marching): El algoritmo comienza estimando solo las frecuencias bajas del volumen (bajo $\ell_{max}$) y gradualmente aumenta la resolución, utilizando la estimación de baja frecuencia como inicialización para la siguiente etapa de mayor frecuencia. Esto es crucial porque la complejidad computacional crece polinomialmente con la frecuencia máxima.

3. Contribuciones Clave

1. Formulación Probabilística Completa: Se presenta un modelo que marginaliza explícitamente sobre rotaciones 3D y traslaciones 2D, fijando el número de parámetros a estimar (independiente del número de partículas), lo que teóricamente permite estimadores consistentes en baja SNR.
2. Algoritmo EM Tractable para 3D: Se desarrolla un algoritmo EM aproximado específico para Cryo-EM 3D, abordando desafíos únicos como la discretización de $SO(3)$ y la manipulación de proyecciones tomográficas, con una complejidad lineal respecto al tamaño de la micrografía.
3. Escalabilidad: Introducción de una variante estocástica y técnicas de marcha de frecuencias para manejar grandes volúmenes de datos y reducir la carga computacional.
4. Validación Numérica: Demostración de que la recuperación directa es factible y supera a los métodos basados en autocorrelación previos.

4. Resultados Numéricos

Los autores probaron el algoritmo en simulaciones utilizando tres estructuras moleculares:

• TRPV1 (Canal de potasio): Se logró una reconstrucción precisa tanto con micrografías generadas a partir de volúmenes originales (y luego submuestreadas) como a partir de volúmenes ya submuestreados. La resolución mejoró consistentemente a través de las iteraciones, alcanzando una alta fidelidad (FSC > 0.5).
• Conformaciones del conjunto GEOM: Se demostró la capacidad de recuperar conformaciones moleculares específicas, aunque con una dependencia notable de la inicialización (se usaron predicciones de AlphaFold).
• Inhibidor de Tripsina Pancreática Bovina (BPTI): Se comparó el método con el enfoque de análisis de autocorrelación de trabajos anteriores [10]. El método EM basado en verosimilitud produjo reconstrucciones de calidad superior, especialmente considerando que trabajó con micrografías ruidosas finitas, mientras que la comparación se hizo contra autocorrelaciones "limpias" (caso ideal).

Hallazgo importante sobre el espaciado: Aunque el modelo teórico asume que las partículas están bien separadas, experimentos con distribuciones de espaciado arbitrarias (donde las partículas pueden estar muy cerca) mostraron que el algoritmo sigue siendo capaz de recuperar estructuras con una resolución razonable, sugiriendo robustez ante violaciones del modelo de separación.

5. Significado y Conclusión

Este trabajo representa un cambio de paradigma en el procesamiento de datos de Cryo-EM:

• Superación del umbral de detección: Al eliminar la necesidad de "seleccionar partículas" (que es el cuello de botella en baja SNR), el método abre la puerta a la determinación de estructuras de moléculas pequeñas (< 40 kDa) que actualmente son inaccesibles para Cryo-EM estándar.
• Fundamento Teórico: Proporciona una base algorítmica sólida para la estimación consistente en entornos de ruido extremo, validando que la recuperación directa es posible.
• Futuro: Aunque los experimentos actuales se realizaron en niveles de ruido donde la selección de partículas aún podría ser posible (como prueba de concepto), el marco establecido es esencial para abordar datos experimentales de ultra-baja SNR. Los autores identifican la necesidad de futuras mejoras en la aceleración computacional y la integración de modelos más realistas (función de transferencia de contraste - CTF, ruido coloreado, y partículas "basura") para su aplicación en datos experimentales reales.

En resumen, el artículo demuestra que es posible reconstruir estructuras moleculares 3D de alta resolución directamente desde micrografías ruidosas sin identificar partículas individuales, utilizando un algoritmo EM aproximado y estocástico optimizado.