CryoDRGN-ET:深度重建生成网络以可视化细胞内部的动态生物分子
Ramya Rangan1, Ryan Feathers1, Sagar Khavnekar2
1Department of Computer Science, Princeton University, Princeton, NJ, USA.
Nature methods
|July 18, 2024
概括
CryoDRGN-ET从冷电子断层扫描 (cryo-ET) 数据中重建异质的宏分子结构. 这种深度学习方法可视化了细胞内的多种分子状态和运动,进步了局部结构生物学.
科学领域:
- 结构生物学 结构生物学
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 低温电子断层扫描 (cryo-ET) 能够以分子分辨率在原生细胞环境中可视化宏分子.
- 图像处理仍然是解决冷ET数据结构异质性的挑战.
- 现有的方法难以捕捉细胞内的各种生物分子状态和构造.
研究的目的:
- 引入cryoDRGN-ET,这是一种新的深度学习方法,用于化ET子图像的异质重建.
- 为了使各种宏分子状态和现场连续运动的可视化.
- 为了克服当前冷ET图像处理结构异质性的局限性.
主要方法:
- 开发了cryoDRGN-ET,这是一个深度生成模型,用于直接从子图倾斜系列的3D密度图重建.
- 应用了cryoDRGN-ET来分析Mycoplasma pneumoniae核糖体,以验证转化状态的恢复.
- 在冷FIB磨砂的Saccharomyces cerevisiae细胞上利用了冷ET,以研究现场结构.
主要成果:
- 成功地在现场恢复了已知的M. pneumoniae核糖体的翻译状态.
- 在翻译过程中揭示了S. cerevisiae核糖体的结构景观.
- 在S. cerevisiae细胞内捕获脂肪酸合成酶复合物的连续运动.
结论:
- CryoDRGN-ET有效地从cryo-ET数据中重建异质的宏分子结构和动态.
- 该方法提供了对分子在其原生细胞环境中的功能状态和构造异质性的洞察.
- 这款开源软件通过解决图像处理的关键瓶,推动了现场结构生物学领域的发展.
