在冷电磁图中自动建模和蛋白质识别
Kiarash Jamali1, Lukas Käll2, Rui Zhang3
1MRC Laboratory of Molecular Biology, Cambridge, UK. kjamali@mrc-lmb.cam.ac.uk.
Nature
|February 26, 2024
概括
ModelAngelo是一个新的机器学习工具,可以在电子冷显微镜 (cryo-EM) 地图中自动构建原子模型. 这种人工智能方法与人类专家的蛋白质质量相匹配,并提高核酸骨干的准确性,加速结构的确定.
科学领域:
- 结构生物学
- 计算生物学
- 生物物理
背景情况:
- 在电子冷显微镜 (cryo-EM) 地图中构建原子模型是复杂的,需要大量的手工努力.
- 目前的方法需要高专业知识和广泛使用3D图形软件,在结构确定中造成瓶.
研究的目的:
- 开发一种基于机器学习的自动化方法,用于在冷电磁图中建立原子模型.
- 提高冷电磁结构的效率,客观性和准确性.
主要方法:
- ModelAngelo使用图形神经网络将冷EM地图数据与蛋白质序列和结构信息集成.
- 它使用隐藏的马尔科夫模型预测序列搜索的氨基酸概率.
主要成果:
- 模型Angelo建立了与人类专家相美的蛋白质原子模型.
- 对于核酸,ModelAngelo在骨干结构中达到人类水平的准确性.
- 这种工具在识别未知序列的蛋白质方面超过了人类专家.
结论:
- ModelAngelo显著减少了瓶,并提高了冷电磁结构的客观性.
- 这种自动化方法有可能加快结构生物学研究的步伐.


