Ab initio CryoEM maps minimizing preferred orientation problems in heterogeneous mixtures: ReconSIREN
ReconSIREN 是一种新颖的深度学习框架，它利用混合专家（Mixture-of-Experts）架构来执行完全从头算（\textit{ab initio}）的冷冻电镜（CryoEM）单颗粒分析，能够在不依赖传统优化方法的情况下，同时解决择优取向伪影、颗粒异质性以及构象灵活性问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
为了观察生命中错综复杂的机制，科学家们经常转向一种被称为冷冻电子显微镜的技术。想象一下，你正试图拍摄一台微小、脆弱且不断变换形状和位置的机器。为了捕捉它，研究人员将这台机器快速冻结在薄薄的一层冰中，使其保持在尽可能接近生命状态的状态。然后，他们通过冰层发射电子，从每一个可能的角度为这台机器创建数千张二维阴影图像。挑战在于，这些阴影极其微弱且充满噪声，就像试图在暴风雪中辨认出一张脸。此外，这些机器往往习惯于以一两种特定的方式躺在冰里，导致很难从所有侧面获得完整的视图。为了构建清晰的三维图像，计算机必须准确计算出每张阴影是如何定向的，然后将它们拼接在一起。如果计算机猜错了角度，最终的图像就会变成模糊、扭曲的混乱状态，从而掩盖了科学家理解这些生物机器如何运作所需的细节。
马德里国家生物技术中心的一组研究人员开发了一种名为 ReconSIREN 的新工具，旨在解决这些特定问题。他们的工作解决了这一过程中的两个最大障碍：粒子倾向于粘附在冰上并呈现出首选取向，以及在噪声中确定正确角度的困难。过去，当计算机尝试对齐这些图像时，经常会陷入被称为“吸引问题”的陷ẹ。因为某些视角的粒子比其他视角更清晰，计算机会错误地将所有图像拉向那些更清晰的视角，从而忽略了那些实际上不同的视角。这导致生成的 3D 模型看起来像一个扁平的煎饼，缺失了结构的至关重要部分。ReconSIREN 通过使用一种不依赖单一猜测的深度学习系统避免了这种情况。相反，它雇佣了一个由独立专家组成的团队，每个专家都从关于图像指向何处的不同想法开始。通过比较这些不同的可能性，该系统可以找到真实的取向，而不会被噪声或缺乏某些视图所误导。
研究人员在各种具有挑战性的生物样本上测试了这个新系统，包括一种涉及细胞代谢的蛋白质、一个复杂的病毒刺突以及一种以难以研究而闻名的膜蛋白。在每种情况下，该系统都能从头开始构建高质量的 3D 图谱，而不需要任何关于粒子排列的先验信息。对于那些受到强烈首选取向影响的样本，新方法在旧技术失败的地方取得了成功。传统的软件生成的模型往往缺失了蛋白质的整个部分，而 ReconSIREN 则恢复了完整的形状，包括那些此前不可见的部位。该系统还能够检测生物机器何时在弯曲或改变形状，通过分离不同的分子状态来展示其运动的全貌。这是一个重大的进步，因为它允许科学家在分析初期就能观察到这些蛋白质的动态特性，而不是在之后再去猜测或优化数据。
这项工作最引人注目的方面之一是，该系统完全依靠自身运行，通过从原始图像中学习，而不需要人工干预来纠正角度或对齐粒子。研究人员证明，即使他们向系统输入了为了加速处理过程而简化的图像，最终结果也足够精确，可以作为进一步更详细分析的起点。在某些测试中，该系统生成的图谱非常精确，可以进一步精炼以揭示足以媲美传统处理数小时后获得的结构细节。团队还展示了该方法甚至在输入数据不是原始图像，而是相似图像的预平均组时，也能提供一条在时间紧迫时通往解决方案的快速路径。通过将工作负载分配给软件内的多个独立专家，该系统避免了常见的“局部极小值”陷阱——即计算机认为自己找到了答案，但实际上只是停留在一个糟糕的近似值上的状态。
这项工作的意义不仅在于制作更好的图像。通过解决首选取向和吸引伪影的问题，ReconSIREN 为研究此前被认为难以分析的生物标本打开了大门。许多重要的蛋白质（例如嵌入细胞膜中的蛋白质）自然地平躺在冰上，使得利用旧方法获取完整的 3D 视图几乎成为不可能。有了这种新方法，科学家现在可以恢复这些难以捉摸的分子（包括那些此前隐藏的部分）的完整结构。该系统还提供了这些分子如何移动和变化的清晰视图，这对于理解它们的运作方式以及如何针对它们进行药物研发至关重要。研究人员已将该软件免费开放，使其他科学家能够将这一强大的工具应用于他们自己具有挑战性的数据集。这种技术的民主化意味着高分辨率结构生物学的准入门槛正在降低，从而可能加速整个领域的发现。
最后，ReconSIREN 代表了我们处理微观世界重建方式的一种转变。它从过去那种僵化的、循序渐进的优化模式，转向了一种更灵活、更智能的系统，能够应对噪声数据和分布不均的复杂性。研究人员不仅提高了图谱的分辨率，还从根本上改变了确定角度的方式，确保最终图像反映的是分子的真实形状，而非数据采集带来的偏差。随着结构生物学领域继续向理解更复杂、更动态的系统迈进，像这样的工具对于将电子显微镜下微弱、散乱的阴影转化为清晰、可操作的生命机制洞察力将至关重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。