The CAHRA Challenge: A Community-Wide Assessment of Cryo-EM Heterogeneous Reconstruction Algorithms

为了窥见生命的内在运作机制，科学家们经常转向一种被称为冷冻电子显微镜（cryo-electron microscopy）的技术。想象一下，你正在拍摄一张由蛋白质组成的微小机器的照片，但这个机器被极快地冻结在薄薄的一层冰中，以至于它无法移动或破碎。由于这些机器如此之小，单张照片仅仅是一个模糊的、二维的影子。为了理解这个机器，研究人员必须从不同角度拍摄数千张这样的模糊照片，并使用计算机将它们缝合在一起，形成一个清晰的三维模型。这一过程彻底改变了生物学，让我们能够观察到病毒、酶和其他基本分子的原子结构。然而，真实的生物机器很少是静止的；它们在工作时会摇摆、弯曲并改变形状。当一个数据集中包含这些不同形状的混合物，甚至是完全不同类型的分子时，计算机就会难以决定哪张图片属于哪种版本的机器。这使得重建分子的真实、动态的故事变得异常困难。

2026年，来自普林斯顿大学、弗莱特纳研究所（Flatiron Institute）及其他机构的研究团队发起了一项全球测试，旨在观察当前的计算机程序在解决这一特定问题上的表现如何。他们将其命名为 CAHRA 挑战赛，这是一项社区范围内的评估，旨在衡量不同算法解开这些复杂混合物的能力。组织者并非简单地让科学家进行猜测；他们构建了三个截然不同的、高度受控的测试案例，其正确答案仅为创建者所知。这些测试涵盖了分子变得复杂的三个主要方式：当样本包含不同物种的混合时、当单个分子在形状范围内连续变化时，以及当观察分子的角度隐藏了其真实形态时。通过将各参赛团队的表现与这些已知的真相进行对比，该挑战赛为该领域目前所处的位置以及需要改进的方向提供了一份清晰的地图。

第一个测试侧重于一个拥挤的不同分子组成的房间。研究人员选取了四种大小和形状相似的蛋白质复合物——醇脱氢酶、醛缩酶、谷氨酸脱氢酶和丙酮酸激酶。他们还加入了另外两种蛋白质——γ-球蛋白和β-淀粉酶，作为干扰项，因为它们已经损坏或形成了无法重建为3D模型的扁平片状结构。所有这些都被混合在一个包含超过160万个颗粒图像的单一数据集中。对参赛者而言，挑战在于观察这个杂乱的图像堆，找出哪些图片属于四个主要目标，然后并在未被告知目标身份的情况下，为每一个目标构建一个清晰的三维模型。为了增加难度，研究人员通过将图像分为高质量和低质量组来模拟辐射损伤，从而迫使算法去区分一个略微损坏的分子与一个仅仅是不同类型的分子。

第二个测试不再关注不同物种的混合，而是专注于一个改变形状的单一分子。研究人员使用了一个名为前序列蛋白酶（presequence protease）的人类酶的计算机模拟，这种酶像门一样开启和关闭。他们捕捉了该分子运动中的100个不同阶段，创造了从开启状态到关闭状态的平滑过渡。通过这100个快照，他们生成了超过170万张模拟图像。参赛者的目标不仅是看到分子的运动，还要生成一组原子模型——即描述这些原子的详细蓝图——以准确地描述这一完整的运动范围。与第一个测试中区分不同组别的目标不同，这个测试要求算法理解一种连续的变化流，并将其转化为精确的结构模型。

第三个测试针对的是一个被称为“姿态纠缠”（pose entanglement）的棘手问题。在真实的实验中，分子往往倾向于以特定的方向落在显微镜载玻片上，导致某些角度缺失。如果一个分子沿着数据中缺失的角度发生形状变化，计算机可能会误将缺失的角度视为形状的变化，反之亦然。为了测试这一点，研究人员模拟了环状通道 CALM2 的图像，该通道具有开启和关闭两种状态。他们确保图像在侧视图方向上有严重的偏差，这使得观察开启和关闭状态之间的差异变得非常困难。该数据集包含3万个颗粒，具有已知的开启与关闭比例，但参赛者并不知道比例或正确的角度。他们必须确定自己的方法是否能够准确计算出有多少分子处于开启状态 versus 关闭状态，即使观察角度使得这种差异几乎难以察觉。

这项挑战赛持续了七个月，收到了来自世界各地研究人员的提交，其结果预计将在2026年晚些时候于牛津郡的一个研讨会上进行评审。虽然论文尚未列出获胜者，但挑战赛本身的设计提供了一个明确的前进方向。它推动该领域超越了简单的分辨率比较，迫使开发者面对实验数据的混乱现实。组织者希望，通过提供这些标准化的、具有“地面真值”（ground-truth）的数据集，社区可以构建更高效、且需要更少人工调优的工作流程。这对于该领域的未来至关重要，因为科学家正朝着研究更复杂样本的方向迈进，例如活细胞内的分子或实时变化的分子。CAHRA 挑战赛作为一个严谨的基准，确保了用于可视化生命机器的工具能够像它们试图揭示的科学一样可靠。