人工智能在冷EM蛋白质颗粒采集:最近的进展和剩余的挑战
Ashwin Dhakal1,2, Rajan Gyawali1,2, Liguo Wang3
1Department of Electrical Engineering and Computer Science, University of Missouri, Columbia, MO 65211, United States.
Briefings in bioinformatics
|January 17, 2025
概括
人工智能 (AI) 显著改善了冷电子显微镜 (cryo-EM) 粒子挑选,用于3D蛋白质结构的确定. 人工智能方法提高分辨率和粒子多样性,尽管小蛋白质仍然面临挑战.
科学领域:
- 结构生物学是结构生物学.
- 生物物理学的生物物理.
- 生物化学 生物化学
背景情况:
- 低温电子显微镜 (cryo-EM) 能够对大型生物分子进行高分辨率的3D结构确定.
- 选择蛋白质粒子对于从冷电磁图像中构建这些结构至关重要.
- 方法已经从手动发展到先进的AI驱动方法.
研究的目的:
- 审查冷电子显微镜粒子采集方法的演变.
- 批判性地研究人工智能 (AI) 对粒子采集的影响.
- 用结构生物学指标比较基于人工智能的粒子采集方法.
主要方法:
- 基于人工智能的受欢迎粒子采集工具的比较评估.
- 一般机器学习和冷电磁特征指标的应用.
- 3D密度图的重建和分辨率和粒子方向多样性的评估.
主要成果:
- 人工智能显著提高了冷电磁粒子采集效率和准确性.
- 人工智能驱动的方法可以明显改善3D地图分辨率和粒子定向多样性.
- 主要障碍包括处理复杂的微图和识别小蛋白质.
结论:
- 人工智能代表了冷EM粒子采集的重大进步.
- 需要进一步开发人工智能方法,以实现全自动化和强大的粒子识别.
- 未来的人工智能工具可能会解决当前的局限性,特别是对于具有挑战性的样本.
