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

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团队利用AI提升冷冻电镜技术

本文介绍了加州大学洛杉矶分校研究团队开发的 spIsoNet 自监督深度学习方法，该方法显著提升了单粒子冷冻电镜技术的三维重建质量，解决了冷冻电镜技术中长期存在的取向优势难题。

1. 冷冻电镜技术及其挑战

冷冻电镜技术荣获2017年诺贝尔化学奖，是结构生物学领域的重要工具，它能够以高分辨率对生物大分子进行三维可视化。然而，样本制备过程中的取向优势问题一直是该技术的瓶颈。蛋白质在气液界面上的吸附常常导致投影数据集不完整，造成三维重建失真。

2. spIsoNet方法的提出与原理

为了解决取向优势问题，加州大学洛杉矶分校的研究团队提出了 spIsoNet 方法。这是一个基于 U-net 深度学习模型的端到端方法，主要由两个模块组成：各向异性校正模块和各向异性校正驱动的错位校正模块。各向异性校正模块通过集成3DFSC算法，最小化多种损失函数的加权和，提高图像质量。错位校正模块则集成图像过滤、各向异性校正和 RELION 自动精细化等步骤，进一步提升重建精度和各向同性。

3. spIsoNet在不同数据集上的应用与结果

研究人员在多个数据集上测试了 spIsoNet 的性能，包括 β-半乳糖苷酶数据集、HA 三聚体数据集（倾斜和非倾斜）、非对称核糖体数据集和 HIV VLP 断层扫描数据集。结果表明，spIsoNet 的各向异性校正模块有效减少了由取向优势引起的三维重建失真，错位校正模块则显著提高了图像质量、分辨率和各向同性，成功识别并纠正了许多错误分配的方向。在处理非对称粒子以及含有核酸分子的粒子时，spIsoNet 也表现出色。

4. spIsoNet的应用潜力与AI在结构生物学中的前景

spIsoNet 在原位结构生物学中具有应用潜力，例如在 HIV-1 VLP 断层扫描数据集上的应用展示了其在提高分辨率和各向同性方面的优势。AI与冷冻电镜的结合正在开启结构生物学的新篇章，AI技术能够有效辅助传统结构生物学方法，例如提升时间分辨冷冻电镜的分析精度，解析生物大分子的动态构象。

5. 总结

spIsoNet 方法为解决冷冻电镜技术中的取向优势问题提供了一种新途径，显著提高了生物大分子三维重建的质量，为结构生物学研究提供了强有力的工具。AI与冷冻电镜技术的结合，将进一步推动结构生物学领域的发展，为理解生命现象提供更深入的见解。

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