自动注册和集群用于增强灵活膜蛋白的定位原子力显微镜的自动注册和集群

科学领域:

• 生物物理学的生物物理.
• 显微镜的使用方法
• 计算生物学 计算生物学

背景情况:

• 原子力显微镜 (AFM) 提供生物分子的近原生成像,但侧面分辨率有限.
• 定位原子力显微镜 (LAFM) 提高了分辨率,但与具有多重构造的灵活蛋白质作斗争.
• SecYEG转位子是一种已知采用各种构造状态的膜蛋白复合体.

研究的目的:

• 开发一个无监督的深度学习算法,以提高LAFM对灵活蛋白质的适用性.
• 根据蛋白质构成,同时记录和分组AFM图像.
• 为了提高像SecYEG.EG这样的系统的单个蛋白质构造的分辨率.

主要方法:

• 为图像注册和集群开发了一个无监督的深度学习算法.
• 使用来自SecYEG转位子分子动力学模拟的模拟AFM图像.
• 该算法被测试了其解决不同蛋白质构造的能力.

主要成果:

• 深度学习算法通过蛋白质构成成功地注册和集群AFM图像.
• 对于SecYEG转位子的个别形状,可以实现更好的分辨率.
• 改进的LAFM方法在灵活蛋白质成像方面表现出更高的有效性.

结论:

• 这项工作引入了一种新的深度学习方法,以灵活的蛋白质克服LAFM的局限性.
• 该算法能够更准确地对具有多个构造状态的生物分子进行成像.
• 这代表了对复杂生物大分子的通用LAFM迈出的重要一步.