在中等分辨率的冷电子密度图中识别氨基酸侧链

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:

• 准确的原子模型构建成冷电子显微镜 (cryo-EM) 地图具有挑战性,特别是在分辨率低于3 Å.
• 在冷EM地图中确定蛋白质骨干片段的氨基酸序列是模型构建的关键步骤.

研究的目的:

• 开发和验证一种计算方法,EMSequenceFinder,用于在冷EM地图中将氨基酸序列分配给蛋白质骨干片段.
• 在冷电磁结构研究中提高原子模型构建的准确性和效率.

主要方法:

• EMSequenceFinder使用贝叶斯分数函数来根据地图密度合适度,分辨率和次要结构倾向来对氨基酸残留类型进行排名.
• 一个卷积神经网络在电子显微镜数据库 (EMDB) 中从冷电磁图和原子模型中训练了数百万个残留密度.
• 该方法在已知的蛋白质片段的广泛数据集上进行了基准测试,并应用于SARS-CoV-2的冷EM图.

主要成果:

• EMSequenceFinder正确地确定了氨基酸序列作为77.8%测试的α-螺旋和β-链片段的顶级预测.
• 在4至6 Å分辨率的冷电磁图上,EMSequenceFinder获得了63.5%的准确性,超过了三种最先进的方法.
• 通过将SARS-CoV-2 NSP2序列连接到一系列分辨率的多个冷EM地图中,证明了成功的应用.

结论:

• EMSequenceFinder提供了一个强大的,准确的方法,用于在冷-EM密度图中进行序列分配,这有助于构建原子模型.
• 该工具通过将冷EM数据与其他生物信息相结合,增强了整合性结构建模.
• 作为一个开源工具,EMSequenceFinder可在集成建模平台 (IMP) 中使用.