Nat. Methods | CryoDRGN: 利用神经网络重建异质cryo-EM结构

今天给大家介绍的是近日发表在Nature Methods上的一篇论文《CryoDRGN: reconstruction of heterogeneous cryo-EM structures using neural networks》。研究人员提出了cryoDRGN，一种使用神经网络从异质单粒子cryo-EM数据集中重建3D密度图的方法。这种方法的强大之处在于它能够表示异构结构，而无需简化关于异构类型的假设。

低温电子显微镜(cryo-EM, Cryo-electron microscopy)单颗粒分析已证明在确定刚性大分子的结构方面功能强大。然而，许多成像的蛋白质复合物表现出构象和组成异质性，这对现有的三维重建方法提出了重大挑战。

研究人员利用深层神经网络的表示能力直接重建3D密度图的连续分布，并绘制单粒子cryo-EM数据集的每粒子异质性。

研究人员使用cryoDRGN在80S核糖体和RAG复合体的高分辨率数据集中发现了残基异质性，揭示了组装的50S核糖体的新结构状态，并可视化了剪接体复合体的大规模连续运动。CryoDRGN包含交互式工具，以可视化数据集的粒子变异性分布，生成密度图以进行探索性分析，提取粒子子集以与其他工具一起使用，并生成轨迹以可视化分子运动。

cryoDRGN体系结构可以对离散的成分异质性和连续的构象变化进行建模，而无需上述结构假设。例如，Pf 80S核糖体最初是从均质重建中求出的平均值。分析组装的大肠杆菌LSU的数据集时，cryoDRGN了解了LSU组装状态的集合，而没有3D分类所需的状态数或初始模型的先验规格。最后，在分析催化前剪接体时，研究人员发现cryoDRGN重建的连续构象变化缺少基于面罩的多体优化方法19中的刚体边界伪影，或线性模型中的线性插值伪影。

参考资料

Zhong, E.D., Bepler, T., Berger, B. et al. CryoDRGN: reconstruction of heterogeneous cryo-EM structures using neural networks. Nat Methods 18, 176–185 (2021).

https://doi.org/10.1038/s41592-020-01049-4