基于深度学习的冷冻电镜数据神经表征重建系统CryoDRGN-AI助力动态生物大分子结构解析

来自多机构的研究团队针对冷冻电镜(cryo-EM)和冷冻电子断层扫描(cryo-ET)数据中动态生物分子复合体的三维重构难题，开发了基于神经表征的深度学习系统CryoDRGN-AI。该方法通过结合穷举搜索策略与梯度优化，成功实现了无需初始信息的从头(ab initio)重建，揭示了新构象状态并解析了原位数据中的未识别运动，为结构生物学研究提供了突破性工具。

　　

蛋白质等生物分子通过精密的动态组装形成宏观分子机器，其运动、结合及化学反应过程亟需高精度观测手段。冷冻电镜(cryo-EM)与冷冻电子断层扫描(cryo-ET)技术虽能捕获这些复合体的本征异质性，但在三维重构尤其是无先验信息的从头(ab initio)重建方面仍面临重大计算挑战。最新研发的cryoDRGN-AI系统创新性地采用神经表征技术，将穷举搜索与梯度优化算法相结合，成功处理高异质性数据集。该系统不仅从海量数据中挖掘出新的构象状态，更首次实现了未过滤数据集中的运动轨迹重建，并完成原位生物分子复合体的从头结构解析。这项突破性技术为充分释放冷冻电镜技术的潜力提供了新范式，有望推动结构生物学进入高通量发现的新纪元。