首页 > 行业资讯 > Nature Methods | 复旦大学马剑鹏团队在计算生物学取得突破,实现蛋白质结构冷冻电镜解析分辨率大幅提升

Nature Methods | 复旦大学马剑鹏团队在计算生物学取得突破,实现蛋白质结构冷冻电镜解析分辨率大幅提升

时间:2023-10-11 来源: 浏览:

Nature Methods | 复旦大学马剑鹏团队在计算生物学取得突破,实现蛋白质结构冷冻电镜解析分辨率大幅提升

iNature
iNature

Plant_ihuman

专注前沿科学动态,传递科普信息。

收录于合集

iNature

冷冻电子显微镜(cryo-EM)捕获动态大分子的快照,共同说明所涉及的结构景观。 这为探索正在研究的大分子的结构变化提供了一个令人兴奋的机会。然而,传统的冷冻电镜单粒子分析往往产生静态结构。

2023年10月9日,复旦大学马剑鹏团队( 罗镇威为第一作者 )在 Nature Methods (IF=48)在线发表题为“ OPUS-DSD: deep structural disentanglement for cryo-EM single-particle analysis ”的研究论文, 该研究描述了一种能够有效重建嵌入在冷冻电镜数据中的结构景观的算法,OPUS-DSD。 OPUS-DSD使用三维卷积编码器-解码器架构,通过冷冻电镜图像训练,从而将结构变化编码到光滑且易于分析的低维空间中。可以遍历该空间以重建连续动态或聚类以识别不同的构象。

大分子是一种动态的机器,通过特殊的运动来实现它们的功能。 结构生物学旨在以高分辨率确定大分子的三维(3D)结构,同时通过重建其潜在的动力学来了解其功能。冷冻电子显微镜(cryo-EM)单粒子分析(SPA)是获得高分辨率3D结构的有力方法。传统的冷冻电镜SPA重建通常只产生单一的静态3D模型。然而,冷冻电镜捕获的大量快照保留了大量的构象和/或成分异质性,这可能在功能上很重要。 此外,三维大分子的灵活性是实现cryo-EM SPA2高分辨率的主要瓶颈。 因此,需要强大的分析方法来可靠地恢复结构非均质性,并有助于提高大分子冷冻电镜重建的分辨率。
解决冷冻电镜数据集异质性的传统工具是3D分类,它将不同的构象建模为单独的3D体积。 然而,三维分类在构象数量方面的尺度很差,并且无法解决由大量过渡构象组成的结构动力学。现有的方法,如RELION7中的多体细化和cryoSPARC8中的三维变异性分析,使用反应坐标的线性组合来模拟连续构象变化。 RELION中的多体精化在模拟刚体部件的大规模构象动力学方面特别有效,可以为未解析密度生成高分辨率结构。 然而,对于动态结构部件不像刚体那样运动的大分子系统,它就不那么有效了。
最近,深度学习已经成为处理结构异质性的可行解决方案。 有许多深度学习方法可以探测结构非均质性,包括cryoSPARC11中的Multi-CryGAN、e2gmm和3DFlex。Multi-CryGAN是一种基于生成对抗网络的算法,其有效性已通过综合数据得到验证。E2gmm使用一组高斯表示3D结构,而3DFlex使用神经网络来拟合每个粒子的3D位移场。 相比之下,一种基于神经网络的方法,cryoDRGN,使用二维(2D)图像作为输入,粒子的姿态是通过共识细化来确定的。 该方法采用3D结构的神经表示,并利用变分自编码器(VAE)来训练神经网络,将2D图像端到端转换为3D体。
OPUS-DSD体系结构(图源自 Nature Methods 
在cryoDRGN实现的二维图像到三维结构的转换公式中,三维结构的景观处于低维潜在空间。 将2D图像转换为3D结构相当于使用神经网络将2D图像映射到潜在空间中其底层3D结构的编码。将二维图像编码为隐码,将隐码解码为三维结构,均采用神经网络实现。然后可以端到端学习二维图像和三维结构之间的连续变换。 尽管使用了神经网络,但仅使用2D图像恢复3D结构的景观仍然具有固有的病态性,即未知的3D结构比可用的2D数据具有更高的维度。 此外,通过一致性改进确定的姿态参数仅提供了分辨率密度。
潜在空间的平滑性是解决连续结构不均匀性和可靠地恢复冷冻电镜数据中构象分布的关键。 平滑的隐空间保证了神经网络在遍历隐空间时能够产生连续的构象,保证了结构相似的图像聚类。 鼓励潜在空间平滑的常用方法是VAE及其扩展,包括β-VAE,它们将变分贝叶斯学习应用于潜在变量的分布。
该研究提出了一种基于神经网络的方法,OPUS深度结构解缠(OPUS-DSD),用于三维结构非均质性分析。 OPUS-DSD基于cryoDRGN 1.0,采用了大量的方法改进,包括使用3D卷积架构,即神经体积,以及潜在先验来促进潜在空间的平滑性。 通过对合成和真实冷冻电镜数据集的系统测试,证明了OPUS-DSD在解决结构非均匀性方面的性能,即使在较低的信噪比下也是如此。
OPUS-DSD不仅重建了大尺度的连续动态,而且显示了相关的成分变化。通过有效降低所选颗粒的结构非均质性水平,OPUS-DSD还改善了cryo-EM SPA重建中的结构测定。 OPUS-DSD可以对大分子的结构变化提供有意义的见解,填补了传统冷冻电镜结构测定留下的空白,并有可能通过可靠地聚类数据集中的相似颗粒来提高重建分辨率。这些功能与研究高度动态的生物系统特别相关。
原文链接:
https://www.nature.com/articles/s41592-023-02031-6

END

内容为 【iNature】 公众号原创,

转载请写明来源于 【iNature】

微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群(16个PI群及64个博士群),同时更具专业专门组建了相关专业群(植物,免疫,细胞,微生物,基因编辑,神经,化学,物理,心血管,肿瘤等群)。 温馨提示:进群请备注一下(格式如学校+专业+姓名,如果是PI/教授,请 注明是 PI/教授 ,否则就直接 默认为在读博士 ,谢谢 )。 可以先加小编微信号( iNature5 ),或者是长按二维码,添加小编,之后再进相关的群,非诚勿扰。
投稿、合作、转载授权事宜
请联系微信ID: 13701829856  或邮箱:
觉得本文好看,请点这里!

版权:如无特殊注明,文章转载自网络,侵权请联系cnmhg168#163.com删除!文件均为网友上传,仅供研究和学习使用,务必24小时内删除。
相关推荐