冷器:预测高分辨率地图的罕见形状自自监督的轨迹在冷-EM预测

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:

• 低温电子显微镜 (cryo-EM) 实现了生物分子结构的近原子分辨率.
• 低温电磁数据集中的严重形状异质性限制了罕见状态的解析.
• 由于缺乏足够的粒子图像用于罕见的形状,导致低分辨率的重建.

研究的目的:

• 开发一种新的计算方法,CryoTRANS,以提高冷EM中罕见形状的分辨率.
• 为了使过渡性或低丰度状态的高分辨率结构确定.
• 为了应对冷EM数据分析中形状异质性的挑战.

主要方法:

• CryoTRANS在不同分辨率的冷-EM密度图之间构建了一个自我监督的伪轨迹.
• 轨迹是使用一个普通微分方程进行建模的,该方程由深度神经网络进行参数化.
• 这种方法利用单一的高分辨率密度图来推断罕见形状的细节.

主要成果:

• CryoTRANS成功地预测了罕见形状的高分辨率地图.
• 该方法在四个不同的生物数据集 (α-2-巨型球蛋白,活性蛋白结合蛋白复合体,SARS-CoV-2尖端糖蛋白,70S核糖体) 中重建罕见状态方面取得了显著改进.
• CryoTRANS还可以提高冷电子断层扫描图的分辨率,当由高分辨率的冷EM图指导时.

结论:

• CryoTRANS有效地克服了冷EM中形状失衡的局限性.
• 该方法为具有挑战性的生物分子系统的详细结构分析提供了强大的工具.
• CryoTRANS提升了cryo-EM揭示功能重要罕见状态结构的能力.