IsoNet2 以亚分子分辨率确定细胞结构,没有平均值
Yun-Tao Liu1,2, Hongcheng Fan1,2, Jonathan Jih1,2
1Department of Microbiology, Immunology, and Molecular Genetics, University of California, Los Angeles, CA, USA.
IsoNet2 是一种用于冷电子断层扫描的新型深度学习工具,可以在20 Å分辨率下重建3D分子结构. 这种方法可以在没有平均值的情况下对细胞组件进行详细的分析.
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.
- 计算生物学是一种计算生物学.
背景情况:
- 低温电子断层扫描 (cryo-ET) 对于可视化细胞结构至关重要.
- 从冷ET数据中重建高分辨率的3D密度仍然具有挑战性,因为噪音和信息缺失.
- 现有的方法往往需要平均或广泛的手工处理.
研究的目的:
- 从冷ET数据开发一个端到端的深度学习方法,用于直接,高质量的3D密度重建.
- 提高分辨率,并使细胞环境的原子层次解释成为可能.
- 为研究人员提供一个用户友好的工具.
主要方法:
- 推出了IsoNet2,一个自我监督的深度学习网络.
- 统一的网络同时执行无声化,对比转移功能的校正和缺失的恢复.
- 一个图形用户界面 (GUI) 允许对数据集进行特定的微调.
主要成果:
- 在没有平均值的情况下实现了~20 Å分辨率的重建.
- 在HIV囊蛋白中成功解决了域组织.
- 在单个核糖体和线粒体呼吸复合体的in situ架构中确定tRNA占用.
结论:
- IsoNet2可以直接从冷ET数据中实现高质量的3D密度重建.
- 该方法促进了对复杂的细胞环境的原子层次解释.
- IsoNet2为结构和细胞生物学研究提供了一种强大且易于使用的工具.
更多相关视频
09:09Cortical Actin Flow in T Cells Quantified by Spatio-temporal Image Correlation Spectroscopy of Structured Illumination Microscopy Data
Published on: December 17, 2015
09:12Applying Live Cell Imaging and Cryo-Electron Tomography to Resolve Spatiotemporal Features of the Legionella pneumophila Dot/Icm Secretion System
Published on: March 10, 2020
相关概念视频
Electron Microscope Tomography and Single-particle Reconstruction
Electron Tomography
Electron tomography can be performed either in TEM or STEM (scanning transmission...
Insensitive Nuclei Enhanced by Polarization Transfer (INEPT)
Subcellular Fractionation
Differential Centrifugation
Differential centrifugation is...
