A meta-algorithm for ab initio reconstruction of complex mixtures in cryo-EM

技術要約：複雑な混合物のアブイニシオ再構成のためのメタアルゴリズム

問題提起
クライオ電子顕微鏡（cryo-EM）は、生物学的分子の3次元構造を決定するための主要なツールである。標準的なパイプラインは、構造的に均一な（剛直な）サンプルを扱う上では効果的であるが、現代の実験では、明確に異なる分子種やコンフォメーション状態を含む未精製のサンプルを撮像することが増加している。核心となる計算上の課題は、画像ポーズや初期ボリュームに関する事前知識なしに3次元構造を復元する「アブイニシオ（ab initio）再構成」である。

マルチクラス・リファインメント（RELINやcryoSPARCにおける手法）などの現在の異種再構成法は、クラス数（$K$）を事前に指定する必要があり、通常、$K$が真の種数（$M$）に対して小さい場合に失敗する。逆に、$K$を大きく設定しすぎると、収束の失敗や退化した解を招く。近年のニューラルフィールド・アプローチ（cryoDRGN-AI、Hydraなど）はより表現力の高いモデルを提供するが、依然として多数の異なる種（例：数十種）が存在する場合の処理に苦慮している。その結果、実務者は、異なるシードを用いた繰り返しの実行、手動での検査、および反復的なフィルタリングといった、労力を要するアドホックな戦略に頼らざるを得ず、これらは混合物の複雑さに応じてスケールアップが困難である。

手法
著者らは、標準的なマルチクラス・アブイニシオ再構成ジョブを「弱学習器（weak learners）」として扱うメタアルゴリズムを提案する。弱学習およびクラス・アンサンブルの概念に基づき、この手法は、単一の実行では対処できない複雑な混合物を解決するために、複数の再構成ジョブを系統的に生成、重み付け、および集約する。このアプローチはツールに依存しない（tool-agnostic）ものであるが、実装においてはcryoSPARCのマルチクラス再構成機能を用いている。

アルゴリズムは以下の3つのステージで進行する：

1. アンサンブル生成：
   システムは、以下の2つのプリミティブを用いて、再構成ジョブの集合（$J = \{J_0, \dots, J_{T-1}\}$）を生成する。

   • 確率的反復（Stochastic Repetition）： 同一の入力サブセットとクラス数を用いつつ、異なるランダムシードを使用してレプリケート（複製）ジョブを実行する。レプリケート間の一貫性は、分類の信頼性の代用指標として機能する。
   • 階層的探索（Hierarchical Exploration）： 親ジョブの「子」（特定のクラスに割り当てられた粒子のサブセット）に対して新しいジョブを実行する分割統治戦略である。これにより、木構造の深さに比例して指数関数的に増加する真のクラス数を探索することが可能になる。

2. 重み付き類似度スコアリング：
   アンサンブルの出力は、単一の粒子間類似度行列 $S$ に集約される。

   • 共割当て行列（Co-assignment Matrices）： 各ジョブについて、粒子のペアが同じクラスに割り当てられたかどうかを記録するバイナリ行列を作成する。
   • 重み付き集約： これらの行列を重み（$w_m$）を用いて平均化し、カバレッジを考慮した類似度スコア $S_{ij}$ を算出する。
   • 自動重み付け： 手動でのチューニングの代わりに、クラスの割合から導出される3つの要因に基づいて、重みがヒューリスティックに計算される。
     • 有効クラス重み ($w^{eff}_m$): 割り当てられたクラスを十分に活用していないジョブ（逆シンプソン指数によって測定）に対してペナルティを与える。
     • 微小クラス重み ($w^{tiny}_m$): 粒子数が不十分なクラスを生成したジョブに対してペナルティを与える。
     • シンククラス重み ($w^{sink}_m$): 1つの支配的なクラスがほとんどの粒子を吸収してしまったジョブ（識別信号が乏しいもの）に対してペナルティを与える。

3. クラスタリング：
   得られた類似度行列は、希少な種が多数派のクラスターに吸収されるのを防ぐために、スパース化（各粒子につき上位 $n_{nbr}$ 個の近傍のみを保持）される。その後、最終的な粒子クラスの割り当てを生成するために、平均連結法を用いた凝集型クラスタリングが適用される。

主な貢献

• メタアルゴリズム： アブイニシオ再構成ジョブを生成・集約して最終的な粒子分類割り当てを行うための体系的なフレームワークを提供し、アドホックな手動ワークフローを置き換える。
• 最先端の性能： 複雑な混合物のアブイニシオ再構成に成功し、Tomotwin-100ベンチマークの45クラス・サブセットにおいて97%の精度、および100クラス全体において75%の精度を達成した。
• ワークフローの自動化： cryoSPARC-tools APIを用いたフレームワークにより、既存の再構成ソフトウェアを変更することなく、再現可能かつプログラムによる制御が可能な、cryo-EM再構成パイプラインを実現する。

結果

• 合成ベンチマーク (Tomotwin-100)：
  • 45クラス非対称サブセット（Tomotwin-45-asym）において、アンサンブルは97.4%の分類精度と1.71°のメディアン・ポーズ誤差を達成した。これは、最良のシングルショットcryoSPARC実行（精度34.6%、誤差74.1°）や、ニューラルフィールドのベースライン（cryoDRGN2, cryoDRGN-AI, Hydra：これらは一様ランダムのベースラインに近い約130°のポーズ誤差を出した）を大幅に上回る結果である。
  • 100クラス全体において、アンサンブルは75.0%の精度に達し、最良のシングルショット・ベースラインの15.2%に対し、5倍の改善を示した。
• 実験データ (EMPIار-10076)：
  • 大腸菌（E. coli）の大型リボソームサブユニット組立中間体を含む、フィルタリングされていない実験データセット（粒子数131,899）に適用した結果、手動フィルタリングなしで4つの主要な組立状態をジャンク粒子から分離することに成功した。
  • クラスごとの均一リファインメントにより、4つの状態すべてにおいて**≤4 Åの解像度**での再構成が得られた。予測されたクラス内の粒子数は、既報の注釈とおおむね一致しており、主要クラス内のサブステートも先行研究と整合していた。
• スケーリング：
  • 精度は計算リソース（GPU時間）に応じてスケールする。アンサンブルのサイズに対するウォールクロック時間は、レプリケートの並列実行により対数的にスケールするため、高スループットな設定においても実現可能である。

意義と主張
本論文は、数十の異なる種（具体的にはTomotwin-100ベンチマーク）を含むデータセットに対して、アブイニシオ再構成を正常に実行できる最初の手法であると主張している。著者らは、彼らのアプローチが以下の特性を持つことを強調している：

• 標準的なアドホック戦略を、体系的で再現可能な手順へと形式化した。
• 手動の労力ではなく計算量に応じてスケールし、自動化されたcryo-EMワークフローの基礎を築く。
• パフォーマンスの下限（lower bound）として機能しており、基礎となる再構成ジョブのタスク固有のチューニングによってさらなる改善が可能であることを示唆している。
• 現在、非常に大規模なデータセット（数百万粒子）における $N \times N$ 類似度行列のメモリ制約に制限されており、また「ジャンク」粒子を明示的にモデル化はしていないが、それらを個別のクラスターとして分離することは可能である。

著者らは、本研究を、細胞溶解液や in situ イメージングのような、従来のシングルリファレンスや小規模クラスのアプローチが通用しない、現代の実験における複雑な混合物を扱うためのステップとして位置づけている。