Using spIsoNet to address the preferred-orientation problem in cryoEM reconstructions

Imagina intentar construir un modelo 3D perfecto de un objeto diminuto e intrincado, como un virus, utilizando únicamente fotografías planas en 2D. Esto es esencialmente lo que hacen los científicos con la criomicroscopía electrónica (cryoEM). Ellos congelan moléculas biológicas y toman miles de fotografías desde diferentes ángulos para armar una estructura 3D.

Sin embargo, hay un obstáculo común: estas moléculas microscópicas suelen comportarse como una pila de monedas que se dejan caer sobre una mesa. En lugar de aterrizar en orientaciones aleatorias, todas tienden a pegarse al portaobjetos de vidrio de la misma manera (como si todas las monedas aterrizaran con la cara hacia arriba). En el artículo, esto se denomina "orientación preferente".

Debido a que las moléculas están todas orientadas hacia el mismo lado, los científicos terminan con un "punto ciego". Tienen muchas fotos desde arriba y desde abajo, pero casi ninguna desde los lados. Cuando intentan construir el modelo 3D, el resultado es distorsionado —como una escultura que se ve nítida desde un ángulo, pero borrosa y estirada desde otro—. Este es el "artefacto anisotrópico" mencionado en el resumen. Peor aún, si la computadora intenta corregir la alineación de estas fotos, se confunde por la falta de ángulos y empeora aún más el modelo.

Entra spIsoNet: La herramienta digital de "desenfoque"

El artículo presenta una nueva herramienta de software llamada spIsoNet. Piensa en ella como un asistente digital inteligente y autodidacta que utiliza el aprendizaje profundo (un tipo de inteligencia artificial) para corregir estos modelos 3D distorsionados. No necesita un maestro; aprende observando los datos por sí misma.

Los autores muestran dos formas principales en las que esta herramienta ayuda, utilizando una proteína específica de un virus (Hemaglutinina de la Influenza) como caso de prueba:

1. El "Corrector de Mapas" (Corrección de Anisotropía): Imagina que tienes una foto borrosa y estirada de un rostro. Este flujo de trabajo toma el mapa 3D distorsionado y matemáticamente lo "aplasta" de vuelta a su forma redonda y correcta, rellenando los detalles faltantes para que la estructura luzca natural de nuevo.
2. El "Corrector de Pose" (Corrección de Desalineación): Este flujo de trabajo actúa en una etapa más temprana del proceso. Ayuda a la computadora a darse cuenta de: "Oye, esta partícula en realidad está inclinada", y realinea correctamente las fotos 2D antes de construir el modelo 3D. Esto es especialmente útil cuando el problema de la "pila de monedas" es severo.

Cómo funciona en la práctica

El artículo es esencialmente una guía de "cómo hacerlo". Guía a los usuarios a través de:

• Instalación: Cómo configurar el software.
• Configuración: Qué perillas y diales girar para diferentes tipos de problemas.
• Controles de Calidad: Cómo saber si la corrección realmente funcionó.
• Resolución de Problemas: Qué hacer si algo sale mal.

Los autores probaron esto en dos versiones diferentes de la proteína del virus de la influenza: una con un problema de orientación leve y otra con uno severo. En ambos casos, spIsoNet limpió los datos con éxito.

La conclusión fundamental

Si tienes una computadora potente (específicamente una con cuatro tarjetas gráficas de gama alta, como las NVIDIA A100), puedes ejecutar todo este proceso en aproximadamente 7 horas. El artículo concluye que spIsoNet es una solución práctica y de código abierto que permite a los científicos rescatar estructuras 3D de alta calidad a partir de experimentos que, de otro modo, fallarían debido a que las moléculas se pegan al vidrio de la forma incorrecta. Convierte un problema de "mal ángulo" en un rompecabezas soluble.