加州大用AI技术重塑冷冻电镜三维重建，结构生物学迎来性飞跃

续写施一公与冷冻电镜传奇

原标题：登Nature子刊！加州大学用AI革新冷冻电镜三维重建，实现结构生物学重大突破
文章来源：HyperAI超神经
内容字数：9950字

加州大学洛杉矶分校的研究突破

加州大学洛杉矶分校的研究团队近日提出了一种名为spIsoNet的自监督深度学习方法，旨在提升单粒子冷冻电镜（Cryo-EM）在生物大分子三维重建中的表现。该方法显著改善了样品的对齐精度和角度各向同性，为结构生物学领域带来新突破。

冷冻电镜的重要性

冷冻电镜是一项性技术，自2017年获得诺贝尔化学奖以来，广泛应用于生命科学。该技术能够快速冷却样品，防止水分子结晶，保留样品的近生理状态，并实现高分辨率的3D可视化。然而，样本制备中的取向优势问题一直困扰着研究人员，导致数据集不完整，进而影响重构质量。

spIsoNet的创新设计

spIsoNet的神经网络架构基于U-net，主要由两个模块组成：各向异性校正模块和错位校正模块。各向异性校正通过最小化不同损失函数，提高了图像质量，而错位校正则解决了由于成像几何畸变导致的图像错位问题。

研究结果及应用

研究表明，spIsoNet能够有效恢复缺失的信息，并显著提高冷冻电镜图像的质量。通过对多个数据集的测试，包括β-半乳糖苷酶和HA三聚体数据集，spIsoNet在三维重建过程中展现出更高的角度各向同性和粒子对齐精度。此外，spIsoNet在处理复杂生物分子结构时，如核糖体和HIV病毒样颗粒，表现出色。

AI与冷冻电镜的未来

AI技术与冷冻电镜的结合正在为结构生物学开辟新篇章。近期，相关研究团队还提出了CryoSTAR方法，利用蛋白质原子结构模态先验，进一步提升了冷冻电镜在动态构象解析中的应用潜力。

总结

spIsoNet的推出为冷冻电镜技术的应用提供了新的视角，标志着自监督深度学习在生物大分子研究中的重要性。随着AI技术的不断发展，未来的结构生物学研究有望在精度和效率上获得更大提升。

联系作者

文章来源：HyperAI超神经
作者微信：
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例