新軟件將低分辨率低溫EM圖譜引入焦點

冷凍電子顯微鏡現(xiàn)在是確定蛋白質(zhì)結(jié)構(gòu)的最流行的方法，這有助于研究人員為不同種類的疾病開發(fā)藥物。在過去的幾十年里，它已經(jīng)取代了X射線晶體學，因為它可以成像不易形成大晶體的蛋白質(zhì)。這項新技術(shù)非常具有革命性，它為開發(fā)商贏得了2017年諾貝爾化學獎。

cryo-EM的最終產(chǎn)品是生物分子中原子密度的圖，但為了達到研究人員所需的細節(jié)水平，他們需要進行進一步的分析。“ 自然方法 ”雜志上的一項新研究概述了一種將低分辨率地圖提高到標準的技術(shù)。

研究人員用來做這個的方法取決于他們開始的細節(jié)水平。2至3ångström(Å，用于表示原子和分子大小的長度單位)的地圖通常被認為是高分辨率的。然而，這種質(zhì)量的圖很難實現(xiàn)，并且許多仍然通常在4到10埃的范圍內(nèi)生產(chǎn)。在2016-18期間沉積到電子顯微鏡數(shù)據(jù)庫的所有蛋白質(zhì)中，超過50%以中等分辨率解析。

“如果分辨率優(yōu)于3，那么常規(guī)工具可以追蹤氨基酸位置并建立原子位置圖。但是經(jīng)常冷凍EM不能給你3Å地圖，”生物科學和計算機教授Daisuke Kihara說。普渡大學的科學。“在5Å或更低的地圖中，你通常根本看不到鏈條連接。”

蛋白質(zhì)實際上是氨基酸鏈，氨基和羧基之間的鍵合有時會產(chǎn)生某些折疊模式。這些模式稱為α螺旋和β鏈，形成蛋白質(zhì)的二級結(jié)構(gòu)。

在5到8Å的地圖中，蛋白質(zhì)二級結(jié)構(gòu)的一些片段通常是可見的，但追蹤整個鏈條將非常困難。Kihara的新方法，即Emap2sec，揭示了地圖中從6到10的二級結(jié)構(gòu)。

Emap2sec在其算法的核心有一個深度卷積神經(jīng)網(wǎng)絡。這些網(wǎng)絡是深度學習系統(tǒng)，主要用于對圖像進行分類，通過相似性對它們進行聚類并執(zhí)行對象識別。它適用于三維地圖中的蛋白質(zhì)結(jié)構(gòu)識別，因為當信息通過神經(jīng)網(wǎng)絡層時，該方法將局部地圖密度特征“卷積”到更大區(qū)域的圖像。局部預測是在地圖的大區(qū)域的背景下進行的。

三維圖中識別出的二級結(jié)構(gòu)有助于研究人員將已經(jīng)解析過的已知蛋白質(zhì)結(jié)構(gòu)分配到地圖中。這意味著他們有時會有一個起點，或者至少是一些結(jié)構(gòu)看起來像什么的線索。Emap2sec可以幫助研究人員更快速，更輕松地將他們的作品融入到拼圖中。已識別的結(jié)構(gòu)信息也可能有助于在結(jié)構(gòu)建模中發(fā)現(xiàn)錯誤。