帖子
勛章
關(guān)注
任務
冷凍電鏡原位成像技術(shù)算法取得重要突破 研究人員搭建了一套迭代優(yōu)化的自監(jiān)督深度學習人工網(wǎng)絡(luò)算法，并以旋轉(zhuǎn)處理后的cryoET斷層三維重構(gòu)數(shù)據(jù)自身為訓練集，實現(xiàn)了對cryoET斷層三維重構(gòu)數(shù)據(jù)的缺失錐矯正。同時，在IsoNet算法的流程中，加入降噪過程，使得同一個人工神經(jīng)網(wǎng)絡(luò)可以同時對斷層三維重構(gòu)數(shù)據(jù)進行缺失信息補全和降噪處理。  圖1.基于深度學習進行cryoET成像數(shù)據(jù)缺失錐矯正與降噪的基本原理與流程 利用IsoNet算法對模擬缺失錐的鐵蛋白(apoferritin)與核糖體(ribosome)的三維結(jié)構(gòu)分別進行處理，處理后的結(jié)果能夠與低分辨的原子模型相媲美。同時對真實的HIV病毒粒子（immatureHIVcapsid）、副鞭毛桿（the paraflagellar rod）以及培養(yǎng)神經(jīng)細胞中突觸（neuronalsynapse）的斷層三維重構(gòu)數(shù)據(jù)進行處理，均得到了非常好的效果。尤其值得關(guān)注的是，在利用IsoNet算法對神經(jīng)突觸這種典型包含大量蛋白、膜性細胞器與細胞骨架等復雜結(jié)構(gòu)的細胞水平厚樣品的斷層三維重構(gòu)圖像進行處理后，突觸中囊泡、線粒體、微管、微絲、細胞膜以及蛋白復合物的三維結(jié)構(gòu)信息均得到了很好的恢復。  圖2.利用IsoNet算法對神經(jīng)突觸cryoET三維重構(gòu)數(shù)據(jù)進行處理前、后的效果，以及對IsoNet算法處理后神經(jīng)突觸中超微結(jié)構(gòu)基于真實電子密度的三維可視化渲染 IsoNet算法在預印本bioRxiv公布后，引起了領(lǐng)域內(nèi)的廣泛關(guān)注與深入討論，其中一個重點是IsoNet算法是如何實現(xiàn)缺失錐矯正的？一種主要推測是，人工神經(jīng)網(wǎng)絡(luò)在訓練過程中，能夠?qū)W習到蛋白質(zhì)等生物結(jié)構(gòu)在三維空間中不同角度的結(jié)構(gòu)特征，并將這些信息補充到缺失錐方向，類似于單顆粒冷凍電鏡三維平均。因此通過不斷優(yōu)化人工神經(jīng)網(wǎng)絡(luò)架構(gòu)、擴大訓練樣本集等手段，IsoNet算法將能夠?qū)崿F(xiàn)對細胞中每個蛋白分子的高分辨三維結(jié)構(gòu)信息進行恢復，從而為真正實現(xiàn)可視化細胞原位每個蛋白分子的高分辨三維結(jié)構(gòu)與組織分布奠定了基礎(chǔ)。正如領(lǐng)域內(nèi)專家Dimitry Tegunov等人在推特上評價認為，IsoNet算法的思路將是cryoET技術(shù)的未來發(fā)展方向。 本論文的第一作者為中國科學技術(shù)大學博士生劉云濤（現(xiàn)美國加州大學洛杉磯分校博士后）和2018級本科生張恒（現(xiàn)北京大學研究生），通訊作者為畢國強教授和周正洪教授。中科院深圳先進技術(shù)研究院副研究員陶長路博士、美國加州大學洛杉磯分校博士生王輝也參與了本文的工作。該工作得到了科技部、國家自然科學基金委、中科院先導專項的資助。 文章鏈接：https://www.nature.com/articles/s41467-022-33957-8 |
