Cryo-EM image processing of amyloid filaments in RELION-5.1

本文介绍了 RELION-5.1 中针对淀粉样蛋白纤维冷冻电镜图像处理的新工具，包括基于特征信号的自动拾取算法、在线预处理流程、基于聚类的纤维类型选择工具以及专用去噪神经网络，并通过实验数据验证了其在解析新型纤维结构方面的有效性。

要点

这篇论文就像是一份**“淀粉样蛋白纤维的超级整理指南”**。

想象一下，你的实验室里有一堆极其混乱的毛线团（这些是淀粉样蛋白纤维，它们与阿尔茨海默病等神经退行性疾病有关）。科学家想要看清这些毛线团里每一根线的精细结构（原子级别），但用普通的显微镜（冷冻电镜）看时，画面太模糊、太杂乱，就像在暴风雪中看远处的灯塔，根本看不清细节。

这篇论文介绍了一个名为 RELION-5.1 的新软件包，它就像给科学家配备了一套**“智能整理工具箱”**，让看清这些毛线团变得前所未有的简单和精准。

以下是这套工具箱里的四个“秘密武器”：

1. 自动寻线机器人：基于"4.75 埃”的指纹

（自动挑选纤维）

• 以前的痛点：以前科学家需要像戴着眼镜的老花眼一样，在成千上万张显微镜照片里，人工寻找那些长长的、像面条一样的纤维。这既慢又容易看错（比如把普通的杂质当成纤维）。
• 新工具：作者开发了一个**“自动寻线机器人”**。
• 工作原理：所有的淀粉样蛋白纤维都有一个共同的“指纹”——它们内部的结构每隔约 4.75 埃（一个极小的距离单位）就会重复一次。这个机器人专门寻找这种重复的“节奏”。
• 比喻：就像在一个嘈杂的派对上，机器人能瞬间识别出所有人都在按同一个节奏拍手（4.75 埃的信号），从而把那些真正在跳舞的人（纤维）从乱糟糟的人群中挑出来，完全不需要人工干预。

2. 智能分拣员：把混在一起的“双胞胎”分开

（纤维类型分类）

• 以前的痛点：有时候，同一种蛋白质会折叠成好几种不同的形状（就像同一个人可以穿西装、穿运动服或穿睡衣）。在显微镜下，这些不同形状的纤维混在一起，就像把不同颜色的乐高积木倒进了一个桶里，很难分清哪块积木属于哪种形状。
• 新工具：作者引入了一个**“生物分层聚类”**工具。
• 工作原理：它不只看单个积木（单个纤维片段），而是看整条“项链”（整根纤维）。它发现，一根纤维上的所有片段通常都属于同一种“衣服风格”。
• 比喻：想象你在整理衣柜。以前的方法是把每件衣服拿出来看；现在的方法是，你看着整条挂满衣服的衣架，发现这一整条衣架上的衣服风格都很统一（比如全是运动装），而隔壁那条全是西装。这个工具能自动把“运动装衣架”和“西装衣架”分开，哪怕它们混在一起。这让科学家能轻松发现以前被忽略的稀有纤维类型。

3. 降噪滤镜：专门针对“长面条”的修图师

（Blush 去噪神经网络）

• 以前的痛点：显微镜拍出来的照片有很多噪点（雪花点）。以前用的“去噪滤镜”是通用的，它见过很多圆滚滚的蛋白质（像小球），但没见过这种长长的、像面条一样的纤维。结果就是，通用滤镜把“面条”修得断断续续，或者把背景里的雪花点修成了假的细节。
• 新工具：作者训练了一个**“专门修面条的 AI 滤镜”**。
• 工作原理：他们收集了 300 多种已经解开的淀粉样蛋白结构，专门训练这个 AI。
• 比喻：以前的滤镜像是一个只会修圆脸照片的修图师，修长脸时会把脸拉长或切断。现在的修图师专门见过各种“长脸”（纤维），他知道这种结构是连续的，所以能完美地擦除雪花点，同时保留纤维连贯的“面条”质感，让原本模糊的图像变得清晰锐利。

4. 全自动流水线：从拍照到出图

（自动化预处理流程）

• 以前的痛点：处理数据需要科学家手动运行几十个步骤，稍微点错一个按钮，整个流程就得重来。
• 新工具：作者把上面所有功能打包成了一个**“全自动流水线”**。
• 比喻：以前是“手工作坊”，科学家要自己切菜、炒菜、摆盘。现在有了“智能厨房”，你把原材料（原始数据）倒进去，设定好参数，机器就会自动完成清洗、切配、烹饪，最后端出一盘完美的菜肴（高分辨率结构图）。

实际效果如何？

作者用这套工具测试了两个案例：

1. 简单的案例（Tau 蛋白）：像切蛋糕一样顺利，自动挑出了所有纤维，并得到了非常清晰的结构。
2. 困难的案例（hIAPP 蛋白）：这是一个更复杂的“混合沙拉”。
   • 他们不仅成功分离出了已知的几种纤维，还意外发现了两种全新的纤维结构（以前没人见过）。
   • 他们还发现，那些自动机器人没挑出来的纤维（因为信号太弱），虽然肉眼看着像纤维，但结构其实很松散、不整齐。这证明了自动工具比人工更“挑剔”，只挑最好的数据，从而保证了最终结果的高精度。

总结

这篇论文的核心思想是：让机器做机器擅长的事（找规律、分门别类、去噪），让人类专注于做人类擅长的事（解释结果）。

这套新工具让科学家能更快、更准、更客观地看清那些导致疾病的“坏分子”长什么样，为未来开发治疗阿尔茨海默病等疾病的药物提供了更清晰的“地图”。

技术摘要

这篇预印本论文介绍了 RELION-5.1 软件版本中针对**淀粉样蛋白纤维（amyloid filaments）**冷冻电镜（cryo-EM）图像处理的新工具集。作者团队（Lövestam, Shi, Li et al.）旨在解决淀粉样蛋白结构解析中的自动化、异质性分离及过拟合等关键挑战。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

尽管冷冻电镜分辨率革命极大地推动了生物大分子结构解析，但淀粉样蛋白纤维的结构测定仍面临独特挑战：

• 对齐困难：淀粉样蛋白沿螺旋轴缺乏低分辨率结构特征，导致传统的对齐方法容易陷入错误的局部极小值。
• 结构异质性：同一种蛋白质可能形成多种不同的纤维构象（filament types），数据集中常混合多种类型，需有效分离。
• 过拟合风险：在信噪比低或有序核心较小的情况下，高分辨率重构容易发生过拟合（overfitting）。
• 自动化程度低：现有的预处理流程往往需要大量人工干预，难以实现高通量或“在线”（on-the-fly）处理。

2. 方法论与关键技术 (Methodology)

作者开发并集成了四项核心技术到 RELION-5.1 中：

A. 基于 4.75 Å 信号的自动纤维拾取器 (Amyloid-specific Auto-picker)

• 原理：利用淀粉样蛋白β-折叠层间特征性的 4.75 Å 重复信号。
• 流程：
  1. 将显微图像下采样，提取 36 个方向的 1D 像素阵列。
  2. 计算傅里叶变换中 4.65-4.85 Å 范围内的累积功率，生成“图优度”（Figure-of-Merit, FOM）图像和相位旋转角（PSI）图像。
  3. 通过计算 Z-score 排除冰晶污染（利用 4.2-4.4 Å 范围的信号作为干扰项）。
  4. 将 FOM 和 PSI 图像输入经过修改的 U-net 神经网络（使用实例归一化和 GELU 激活函数）进行纤维追踪。
  5. 输出骨架化路径，生成 RELION STAR 文件用于粒子提取。

B. 自动化预处理流程 (Automated Pre-processing)

• 实现了两个并行运行的 Scheme：
  • amyprep：在 CPU 上运行，负责导入、运动校正、CTF 估计、自动拾取（生成 FOM/PSI 图）和子集选择（基于 FOM 偏度剔除无纤维图像）。
  • amyproc：在 GPU 上运行，读取 FOM/PSI 图，调用神经网络进行纤维追踪、粒子提取、子集选择和 2D 分类。
• 支持“在线”处理，即随着数据采集实时进行预处理。

C. 基于双层次聚类的纤维类型选择工具 (Bi-hierarchical Clustering)

• 原理：基于 CHEP 算法的改进，利用“单根纤维内的片段通常属于同一种纤维类型”这一假设。
• 方法：构建“2D 类 ID × 纤维 ID"的粒子计数矩阵，使用 双层次聚类（Bi-hierarchical clustering）（基于 Seaborn 库的 clustermap 和 SciPy 的 fcluster）。
• 优势：相比传统的 K-means 和 PCA，该方法能更直观地展示不同纤维类型在 2D 类中的分布块状结构，便于用户通过可视化快速筛选特定类型的纤维子集。

D. 淀粉样蛋白专用的 Blush 正则化去噪网络 (Amyloid-specific Blush Regularisation)

• 背景：通用的 Blush 去噪网络（基于 422 个 EMDB 重构训练）在处理淀粉样蛋白时效果不佳，常导致“点状”伪影或无法去除过拟合。
• 改进：
  • 数据集：从 Amyloid Atlas 筛选并人工校正了 318 个 淀粉样蛋白重构数据（含半集重构和原子模型）。
  • 训练策略：限制旋转增强仅围绕螺旋轴（90 度），模拟淀粉样蛋白沿 Z 轴延伸的特性，并保留 4.75 Å 的重复信号特征。
  • 结果：重新训练了一个专门针对淀粉样蛋白的去噪网络，用于在重构过程中抑制过拟合。

3. 主要结果 (Results)

作者使用两个实验数据集验证了新工具的有效性：

A. 重组 PAD12 Tau 蛋白数据（相对简单）

• 处理：651 张显微图，自动拾取约 47.7 万个片段。
• 结果：所有纤维被识别为同一类型。利用新工具生成的初始模型，经 Blush 正则化优化，最终获得 3.2 Å 分辨率的重构图。
• 意义：展示了全流程自动化的可行性。

B. 重组 hIAPP S20G 蛋白数据（更具挑战性）

• 背景：时间分辨研究，包含多种纤维类型。
• 发现：
  • 双层次聚类成功识别出 8 个 不同的纤维簇。
  • 通过分离聚类，成功解析了已知结构（如 2PFCU, 3PFCU, 4PFCU, 2PFL）。
  • 新发现：鉴定出两种全新的纤维结构（3PFLU 和 3PFLJ），均由 3 条原纤维组成，其中两条呈 L 形，第三条分别呈 U 形或 J 形。分辨率达到 3.0-3.6 Å。
• FOM 信号分析：研究发现，自动拾取器未选中的纤维（FOM 信号弱）虽然能生成 2D 类，但 3D 重构分辨率停滞在 4.8 Å，无法解析层状结构。这表明自动拾取器实际上筛选出了结构更有序的纤维，优于人工拾取。

C. Blush 正则化的对比验证

• 在 Tau PHF、hIAPP 和 Pick 病来源的 Tau 纤维数据集中进行对比：
  • 无正则化：出现溶剂区径向条纹（过拟合）。
  • 通用 Blush：去除了条纹，但在困难数据集（如 Pick 病 Tau）中导致主链密度呈“点状”断开。
  • 专用 Blush：不仅消除了过拟合，还恢复了连续的主链密度和清晰的侧链密度，显著提升了困难重构的质量。

4. 关键贡献 (Key Contributions)

1. 全自动淀粉样蛋白处理流程：将基于 4.75 Å 特征的自动拾取器集成到 RELION Scheme 中，实现了从原始电影到 2D 分类的无人值守处理。
2. 更稳健的异质性分离：引入双层次聚类工具，通过可视化矩阵高效分离混合的纤维类型，避免了繁琐的多次 3D 分类。
3. 专用去噪网络：开发了针对淀粉样蛋白螺旋对称性和重复信号优化的 Blush 正则化网络，解决了通用网络在淀粉样蛋白重构中的“点状”伪影问题。
4. 新结构发现：在 hIAPP 研究中发现了两种新的纤维构象，证明了新工具在解析复杂、混合样本中的强大能力。

5. 意义与展望 (Significance)

• 提高客观性与通量：标准化的预处理流程减少了人为偏差，使得高通量筛选淀粉样蛋白组装条件成为可能。
• 解决技术瓶颈：通过利用淀粉样蛋白特有的物理信号（4.75 Å）和结构先验知识（螺旋对称性），显著降低了重构陷入局部极小值和过拟合的风险。
• 推动疾病研究：这些工具使得从更复杂、信噪比更低的数据（如直接来自脑组织的样本）中解析高分辨率淀粉样结构成为可能，有助于深入理解神经退行性疾病的分子机制。

总结：该论文通过引入基于物理特征的自动拾取、基于聚类统计的异质性分离以及领域专用的深度学习正则化，全面升级了 RELION 处理淀粉样蛋白的能力，为未来淀粉样纤维结构生物学研究提供了强有力的工具支持。