自动检测和 de novo 结构建模的核酸从冷-EM地图的核酸

科学领域:

• 结构生物学 结构生物学
• 计算生物学 计算生物学
• 生物物理学的生物物理.

背景情况:

• 低温电子显微镜 (cryo-EM) 对于确定宏分子结构至关重要.
• 精确的DNA/RNA结构建模从冷EM地图仍然是一个重大挑战,特别是在复杂的蛋白质-核酸相互作用.

研究的目的:

• 开发一种基于深度学习的方法,用于准确地从冷EM地图中确定 de novo DNA / RNA 结构.
• 解决目前在冷EM数据中的核酸结构建模方法的局限性.

主要方法:

• 开发了EM2NA,这是一种深度学习方法,用于从cryo-EM地图中确定DNA/RNA结构.
• 在50个实验图 (2.05.0 Å分辨率) 上评估了EM2NA,并将性能与最先进的方法进行了比较.
• 在来自电子显微镜数据库 (EMDB) 的263个未建模原始地图上测试了EM2NA.

主要成果:

• 在多样化的试验组中,EM2NA的平均残留覆盖率为83.15%,C4' RMSD为1.06 Å,序列回忆率为46.86%.
• 在准确性和覆盖范围方面,超越了现有的方法,如CryoREAD,ModelAngelo和phenix.map_to_model.
• 从未建模的冷EM地图中成功构建了从10到5347个核酸的DNA/RNA结构.
• 证明了快速的性能,在10分钟内建造结构<500nt.

结论:

• EM2NA提供了一个高精度和高效的解决方案,用于从冷-EM地图中重新确定DNA/RNA结构.
• 该方法对于模拟核酸结构,包括复杂的生物组件,具有广泛的适用性.
• EM2NA显著提升了使用冷EM数据进行结构分析的能力.