Bayesian electron density determination from sparse and noisy single-molecule X-ray scattering images

De auteurs presenteren een rigoureuze Bayesiaanse methode die het mogelijk maakt om elektronendichtheden van kleine biomoleculen te bepalen uit extreem ruisrijke, spaarzame X-ray scattering-beelden, zelfs wanneer de moleculaire oriëntatie onbekend is.

De kern

Titel: Hoe je een olifant kunt zien door een sleutelgat, terwijl het donker is en je trilt

Stel je voor dat je probeert het silhouet van een olifant te tekenen, maar je mag alleen door een heel klein sleutelgat kijken. En er is een extra probleem: je hebt een zaklamp die maar één keer per seconde flitst, en die flits is zo zwak dat je maar een paar vonkjes ziet. Bovendien staat de olifant elke keer in een heel andere hoek, en je kunt niet zien welke kant hij opkijkt.

Dat is precies wat wetenschappers proberen te doen met röntgenstraling om de structuur van eiwitten (de bouwstenen van het leven) te zien. Tot nu toe was dit bijna onmogelijk omdat de beelden te ruisig en te vaag waren.

Maar in dit nieuwe onderzoek hebben Steffen Schultze en Helmut Grubmüller een slimme nieuwe manier bedacht, gebaseerd op Bayesiaanse statistiek (een manier van redeneren die gebruikt wordt om de beste gok te doen op basis van onvolledige informatie).

Hier is hoe het werkt, vertaald in alledaagse termen:

1. Het Probleem: De "Goocheltruc" van de Atomen

Normaal gesproken proberen wetenschappers om van elke foto te bepalen: "Hoe staat het eiwit precies?" en dan alles bij elkaar te voegen.

• Het probleem: Bij kleine eiwitten zijn er zo weinig fotonen (lichtdeeltjes) dat elke foto eruitziet als een paar willekeurige stipjes in de duisternis. Het is alsof je probeert een auto te reconstrueren door naar één enkele koplamp te kijken terwijl het stormt.
• De oude aanpak: Probeer de auto te draaien tot de koplamp op de juiste plek staat. Dat werkt niet als je maar één stipje hebt.

2. De Oplossing: De "Gokker" die nooit opgeeft

In plaats van te proberen elke foto apart te draaien, heeft dit team een andere strategie bedacht. Ze zeggen: "Laten we niet kijken naar één foto, maar naar miljoenen foto's tegelijk."

Stel je voor dat je een enorme doos hebt met miljoenen losse puzzelstukjes. Je weet niet hoe de puzzel eruitziet, en je weet niet hoe elk stukje gedraaid is.

• De oude methode: Probeer elk stukje apart te draaien tot het past. (Onmogelijk als je maar één stukje hebt).
• De nieuwe methode (Bayesiaans): Je maakt een gok over hoe de hele puzzel eruit zou kunnen zien. Dan kijk je of die gok logisch is bij alle puzzelstukjes in de doos.
  • Als je gok "Nee" is, gooi je die weg.
  • Als je gok "Misschien" is, houd je hem vast en pas je hem een beetje aan.
  • Je doet dit miljoenen keren (met een computer) tot je de enige vorm overhoudt die past bij alle die willekeurige stipjes.

3. De "Ruis" in het spel

In de echte wereld is het nog erger. Het is alsof je in een drukke bar probeert te luisteren naar één persoon, terwijl er iemand schreeuwt, de muziek te hard staat en er glas in je glas zit.

• De ruis: Er is achtergrondstraling, onrust in de laser en de detector is niet perfect rond.
• De slimme truc: De computer van Schultze en Grubmüller is zo slim dat hij deze ruis meerekent. Hij zegt: "Oké, dit stipje komt waarschijnlijk van de ruis, en dit stipje is echt." Hij gebruikt een wiskundig model dat precies weet hoe deze ruis zich gedraagt, zodat hij het echte signaal eruit kan filteren.

4. De Resultaten: Van "Vage Vlek" naar "Duidelijke Vorm"

Ze hebben dit getest op twee manieren:

1. Met een computer-simulatie: Ze maakten nep-afbeeldingen van een klein eiwit (crambin). Zelfs met heel veel ruis (waarbij 90% van de informatie "ruis" was), konden ze de vorm van het eiwit reconstrueren tot op een zeer fijn detail (8 Ångström).
2. Met echte data: Ze keken naar een virus (PR772). Ze namen de foto's en maakten ze extreem "arm" aan informatie (alsof ze 99,99% van de lichtdeeltjes weggooiden). Zelfs met zo weinig informatie lukte het om de vorm van het virus te zien.

Waarom is dit belangrijk?

Voorheen dachten we dat we enorme hoeveelheden licht nodig hadden om kleine moleculen te zien. Dit onderzoek laat zien dat je niet zoveel licht nodig hebt. Je kunt de structuur van eiwitten bepalen zelfs als je maar een paar vonkjes hebt, zolang je maar slim genoeg bent om die vonkjes samen te voegen.

Kort samengevat:
Ze hebben een wiskundige "detective" bedacht die uit een miljoen wazige, onduidelijke foto's van een draaiend eiwit, de perfecte 3D-afbeelding kan reconstrueren. Het is alsof je uit een zak met losse, willekeurige letters de volledige tekst van een boek kunt reconstrueren, alleen door te raden welke woorden logisch bij elkaar passen.

Dit opent de deur om de bouwstenen van het leven te zien zonder dat we ze hoeven te bevriezen of in kristallen te gieten. Een echte doorbraak voor de biologie!

Technische samenvatting

Probleemstelling

De paper adresseert de uitdagingen bij het bepalen van elektronendichtheden van biomoleculen (zoals eiwitten) op basis van enkelvoudige moleculaire X-ray scattering experimenten met vrije elektronenlasers (XFELs). Hoewel deze technologie de mogelijkheid biedt om structuren met sub-nanometer resolutie en femtoseconden tijdsresolutie vast te leggen ("diffraction before destruction"), zijn er drie fundamentele beperkingen die de toepassing op kleine moleculen tot nu toe hebben verhinderd:

1. Extreem lage fotonentellingen: Voor kleine moleculen (zoals eiwitten) worden slechts enkele tientallen tot enkele honderden fotonen per scattering-afbeelding geregistreerd. Dit creëert een "extreem Poisson-regime" waar de afbeelding slechts bestaat uit discrete, willekeurige fotonposities in plaats van een continu intensiteitspatroon.
2. Onbekende oriëntatie: Bij elke botsing ("hit") is de oriëntatie van het molecuul willekeurig en onbekend. Traditionele methoden vereisen dat de oriëntatie per afbeelding wordt bepaald om afbeeldingen te kunnen middelen, maar dit is onmogelijk bij zo weinig fotonen en hoge ruis.
3. Hoge ruis en onzekerheden: Experimentele data bevatten aanzienlijke ruisbronnen, waaronder incoherent scattering (Compton, Auger), achtergrondscattering (oplosmiddel, gas), intensiteitsfluctuaties van de bundel, en onregelmatige detectorvormen. In dit regime falen traditionele achtergrondaftrekkingen en gemiddelde-benaderingen.

Bestaande methoden (zoals EMC-algoritmen of manifold embedding) vereisen doorgaans $10^2$ tot $10^4$ coherent verspreide fotonen per afbeelding om de oriëntatie te bepalen, wat onhaalbaar is voor kleine moleculen.

Methodologie

De auteurs hebben een rigoureuze Bayesiaanse benadering ontwikkeld om deze beperkingen te omzeilen. In plaats van te proberen de oriëntatie van individuele afbeeldingen te bepalen, wordt de Bayesiaanse posterieure waarschijnlijkheid berekend over de volledige dataset (vaak miljoenen afbeeldingen).

Kerncomponenten van de methode:

• Bayesiaanse Formulier: De posterieure waarschijnlijkheid $P(\rho | I)$ wordt berekend, waarbij $\rho$ de elektronendichtheid is en $I$ de set van scattering-afbeeldingen.
  $$P(\rho | I) \propto P(I | \rho)P(\rho)$$
  Hierbij is $P(I | \rho)$ de waarschijnlijkheidsfunctie (likelihood) die een fysiek forward-model bevat.
• Marginalisatie over Oriëntatie: Omdat de oriëntatie $R$ onbekend is, wordt de likelihood voor een enkele afbeelding gemarginaliseerd over alle mogelijke rotaties in de groep $SO(3)$. Dit elimineert de noodzaak om de oriëntatie per afbeelding te kennen.
• Uitgebreid Forward-Model: Het model integreert systematisch alle bronnen van ruis en onzekerheid:
  • Poisson-ruis door lage fotonentellingen.
  • Incoherent scattering en achtergrondscattering (gemodelleerd als uniforme en Gaussische verdelingen).
  • Lineaire polarisatie van de XFEL-bundel.
  • Onregelmatige detectorvormen (bijv. het ontbreken van modules).
  • Intensiteitsfluctuaties van de bundel (gemodelleerd met een Gamma-verdeling).
• Representatie van Elektronendichtheid: De elektronendichtheid $\rho$ wordt weergegeven als een som van Gaussische functies (bollen). Dit dient als regularisatie en vermindert het aantal vrijheidsgraden.
• Hiërarchische Simulated Annealing (MCMC): Vanwege de hoge dimensionaliteit van het zoekruimte-probleem, wordt een hiërarchische aanpak gebruikt. De reconstructie begint bij zeer lage resolutie (weinig Gaussische bollen) en wordt stapsgewijs verfijnd naar hogere resolutie. De oplossing van een vorige stap fungeert als startpunt (proposal density) voor de volgende, wat de sampling-efficiëntie drastisch verbetert.

Belangrijkste Bijdragen

1. Omzeiling van Oriëntatiebepaling: De methode toont aan dat elektronendichtheden kunnen worden bepaald zonder de oriëntatie van individuele afbeeldingen te hoeven kennen, zelfs niet in het extreme regime van zeer weinig fotonen.
2. Systematische Ruishandel: Voor het eerst worden alle relevante experimentele ruisbronnen (incoherentie, achtergrond, polarisatie, detectorgeometrie) gelijktijdig en systematisch opgenomen in een fysiek onderbouwd forward-model binnen een Bayesiaanse raamwerk.
3. Efficiëntie: Door gebruik te maken van de volledige informatie-inhoud van alle afbeeldingen (in plaats van alleen correlaties), zijn aanzienlijk minder afbeeldingen en fotonen nodig om een bepaalde resolutie te bereiken vergeleken met eerdere correlatie-gebaseerde methoden.
4. Foutbegrenzing: De Bayesiaanse sampling levert niet alleen de meest waarschijnlijke dichtheid, maar ook nauwkeurige onzekerheidsschattingen en foutmarges.

Resultaten

De methode werd getest op zowel synthetische data als experimentele data:

• Ruisvrije Synthetische Data (Crambin):
  • Voor het kleine eiwit crambin (46 aminozuren) werd een resolutie van 4,2 Å bereikt met slechts de helft van het aantal fotonen dat eerder nodig was voor vergelijkbare methoden.
• Synthetische Data met Ruis (Crambin):
  • Bij realistische ruisniveaus van 75% en 90% (waarbij het merendeel van de fotonen ruis is) werden resoluties van respectievelijk 8,0 Å en 10,4 Å bereikt. De structuur van het molecuul bleef herkenbaar ondanks het extreem lage signaal-ruisverhouding.
• Experimentele Data (Colifage PR772):
  • De methode werd toegepast op gepubliceerde data van het icosahedrische colifage PR772.
  • De originele data (gemiddeld 400.000 fotonen per afbeelding) werd met een factor $10^4$ onderbemonsterd om een scenario te simuleren met slechts 40 fotonen per afbeelding (0,01% van de beschikbare fotonen).
  • Ondanks deze extreme onderbemonstering en zonder het opleggen van icosahedrische symmetrie, werd de elektronendichtheid succesvol gereconstrueerd met een resolutie van 9 nm (de detector-limiet). De interne structuur (concentrische schillen) was zichtbaar.

Betekenis en Conclusie

Deze studie bewijst dat de novo bepaling van elektronendichtheden van kleine biomoleculen mogelijk is, zelfs onder de meest uitdagende omstandigheden van XFEL-experimenten (zeer lage fotonentellingen, hoge ruis, onbekende oriëntatie).

• Fundamentele Limiet: Er is geen fundamentele resolutielimiet voor deze aanpak; de limiet wordt bepaald door het aantal beschikbare scattering-afbeeldingen en de rekenkracht, niet door het aantal fotonen per afbeelding (in tegenstelling tot oriëntatie-gebaseerde methoden).
• Toekomstperspectief: Hoewel de huidige rekenkracht een bottleneck blijft voor zeer grote complexen met hoge resolutie, opent deze methode de deur voor structurele biologie op het niveau van individuele eiwitten zonder kristallisatie. De methode is flexibel en kan eenvoudig worden uitgebreid met extra ruisbronnen of voorafgaande structurele informatie (bijv. uit AlphaFold).

Kortom, dit werk markeert een doorbraak in de analyse van single-molecule X-ray scattering, waardoor de "heilige graal" van het bepalen van structuren van niet-kristallijne deeltjes dichter bij de realiteit komt.