在模拟衍生结构上训练的无自编码器用于降低噪声,用于染色体扫描传输电子显微镜
Walter Alvarado1, Vasundhara Agrawal2, Wing Shun Li3
1Biophysical Sciences, University of Chicago, Chicago, Illinois 60637, United States.
ACS central science
|July 3, 2023
概括
一种新的深度学习方法增强了ChromSTEM图像,揭示了基因组组织的核细胞层次细节. 这种方法解决了染色质结构和DNA可访问性,挑战了30纳米纤维的现有模型.
科学领域:
- 结构生物学 结构生物学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 使用ChromEM染色 (ChromSTEM) 的扫描传输电子显微镜断层扫描使得3D基因组组织研究成为可能.
- 了解染色体纤维结构对于基因调节和DNA可访问性至关重要.
研究的目的:
- 开发一种用于增强 ChromSTEM 图像的计算方法,以达到核细胞水平的分辨率.
- 研究染色体折叠图案及其对DNA可访问性的影响.
主要方法:
- 使用卷积神经网络和分子动力学模拟,开发一个无声化自编码器 (DAE).
- 训练DAE在合成染色体纤维图像上,这些图像是由1每核细胞 (1CPN) 模型生成的.
- 后处理实验性ChromSTEM图像以消除噪音和增强结构特征.
主要成果:
- DAE有效地消除了高角度环状暗场 (HAADF) STEM图像中的噪声,优于其他消除噪声的算法.
- DAE解决了核细胞层面的结构特征,包括α-四面体四核细胞基因.
- 没有发现建议的30纳米纤维结构的证据,这表明了更高阶染色体组织的替代性.
结论:
- DAE提供了高分辨率的染色质图像,使单个核细胞和有组织的域可视化.
- 这种方法揭示了调节DNA可访问性的折叠图案,为基因组调节提供了新的见解.
- 这些发现挑战了长期存在的30纳米纤维模型,并提出了对染色体高阶结构的新视角.
