基于GARCH-KPCA-ATLSTM的弹性齿鼓式辣椒收割机负荷预测方法 张江龙、 雷进、 秦新艳、 卢立坚、 王志、 杨家轩

《Applied Sciences》：Load Prediction Method for the Elastic Tooth Drum-Type Pepper Harvester Based on GARCH-KPCA-ATLSTM Jianglong Zhang, Jin Lei, Xinyan Qin, Lijian Lu, Zhi Wang and Jiaxuan Yang

　　摘要 X射线自由电子激光器（XFELs）通过实现“破坏前衍射”技术并捕捉生命的超快动态，彻底改变了结构生物学。然而，XFEL衍射快照的固有稀疏性和噪声，加上多晶格重叠的复杂性，导致了严重的计算瓶颈，限制了数据的利用和结构的准确性。在这里，我们介绍了MCDPS-SFX，这是一种基于参考模式匹配原理的强大索引框架，并结合了并行迭代优化。通过彻底采样方向空间并逐步排除异常值，MCDPS-SFX的性能显著优于传统算法——在异构数据集中的晶体产量翻了一番多（例如，MOSFLM为8792个，而MCDPS-SFX为21,807个），并且其产量与最先进的索引器相当，例如在溶菌酶基准测试中提取了超过90,000个晶格。我们在标准基准测试和技术要求高的G蛋白耦合受体（GPCR）系统上展示了其有效性，包括视紫红质-阻遏蛋白复合体和胰高血糖素受体。MCDPS-SFX始终能够生成高质量的数据统计，从而能够高分辨率地可视化功能关键区域，如磷酸化受体尾部。我们的结果为提高XFEL实验的科学产出提供了有力工具，为从衍射较弱或重叠的晶体样本中最大化信息回收提供了可靠的替代方案。

1. 引言
X射线自由电子激光器（XFELs）通过利用超快的飞秒脉冲实现了“破坏前衍射”范式，从而绕过了传统辐射损伤的限制，从根本上改变了结构生物学[1]。这一突破使得能够在接近天然生理状态下高分辨率地解析脆弱的、对辐射敏感的系统[2,3]。除了静态结构外，XFELs的真正潜力在于时间分辨的连续飞秒晶体学（TR-SFX），它可以追踪亚皮秒级的生物动态，合成酶催化和多温度动力学等基本过程的四维“分子电影”[4,5,6,7,8]。最近，随着下一代XFEL设施的出现，这些设施具有兆赫兹的重复频率，以及 eksascale 计算和自动化微流控样品输送的协同进步（如基于液滴的注射器，可以最小化样品消耗[9,10,11），该领域得到了显著推动。这些尖端的发展使研究人员能够常规地捕获膜蛋白和动态受体-配体复合体等具有挑战性的目标中的瞬态构象中间体，为时间分辨结构生物学和合理药物设计开辟了新的前沿[12,13]。

尽管具有这些显著的能力，XFEL实验仍然存在严重的计算瓶颈。单个XFEL“静态”曝光只能捕获稀疏且不完整的反射子集，这是由于Ewald球约束异常薄[14]。这一分析挑战因随机样品输送的低“命中率”（<10%）而加剧，产生了需要通过Cheetah等程序进行实时分类的tb级数据洪流[15]。此外，固有的波长色散（Δλ/λ ≈ 0.1–1%）和探测器噪声严重降低了信噪比（SNR）。在标准的数据减少生态系统（如CrystFEL[16]）中，索引仍然是主要的限制步骤，也是最脆弱的步骤，因为必须从同时稀疏、噪声大和带宽加宽的图案中确定晶格方向[17]。

历史上，索引算法是为传统旋转晶体学的密集倒易空间采样优化的。传统程序（如MOSFLM[18]、XDS[19]和DirAx[20]）依赖于傅里叶变换或差分向量聚类来识别晶格周期性。虽然当每张图像中有数百个反射时这些方法非常稳健，但在XFEL条件下，它们的基本几何假设会失效。在SFX中，“静态”图像通常包含少于20个反射，并且缺乏解决晶格歧义所需的旋转冗余。因此，这些传统索引器的假阴性率很高，经常无法处理纳米晶体样本特有的稀疏、带宽加宽的图案[21]。

认识到这些差距，该领域出现了针对XFEL实际情况定制的算法激增。Gildea等人（2014年）率先提出了去卷积多晶格图像的方法，其中来自多个微晶体的重叠衍射常常使标准索引器困惑[22]。同时，Brewster等人（2015年）[21]将稀疏索引功能集成到计算晶体学工具箱（cctbx）中，利用先前的单位晶胞信息，可以从少至五个反射中确定方向。Dejoie等人（2015年）[23]进一步多样化了工具箱，展示了在SwissFEL预见的宽带（4%）“粉红光束”条件下对多晶体快照进行索引的可行性。后续的创新将这些概念发展为更健壮的框架。TakeTwo[24]引入了一种成对点向量策略，在已知单位晶胞先验的情况下表现出色。FELIX[25]采用Rodrigues–Frank空间表示来导航方向空间，避免了奇异性，而SPIND[26]及其扩展SPIND-TC[27]针对最小峰值图案和新兴的双色XFEL模式优化了索引。像XGANDALF[28]这样的最新努力将索引重新定义为全局梯度下降问题，显著提高了噪声数据的成功率。通过使用抗异常值的稳健优化技术（而不是迭代梯度下降），TORO[29]在千赫兹范围内实现了最先进的索引速度（≥2 kHz），直接满足了现代兆像素探测器的巨大吞吐量需求。最后，pinkIndexer[30]将这些进展扩展到了多色和电子衍射，解决了波长色散和平坦Ewald球几何的独特挑战。

总的来说，这些发展表明从适应同步辐射时代的遗产转向为XFEL时代设计定制的框架。然而，严格的比较评估揭示了仍然存在的持续限制。虽然TakeTwo和SPIND表现出高精度，但它们对准确单位晶胞先验的依赖限制了它们对新型或未表征系统的从头算研究的实用性。相反，FELIX和XGANDALF成功处理了多晶格或高噪声数据集，但它们的显著计算开销成为兆赫兹重复频率设施实时分析的瓶颈。此外，尽管pinkIndexer支持多色衍射，但它对波长校准仍然敏感，且在面对极端稀疏性时经常失效。实际上，研究人员必须经常在不同索引器之间切换，或进行繁琐的手动参数调整——这一迭代过程引入了效率低下、用户偏见和数据流程的可重复性问题。

在本文中，我们介绍了一种新算法MCDPS-SFX（多晶体数据处理套件，用于连续飞秒晶体学），旨在为X射线自由电子激光实验中遇到的多晶体和稀疏衍射图案提供稳健的索引。MCDPS-SFX的主要目标是实现更高的索引率和更准确的结构因子测量，从而显著减少测量时间、样品消耗和实验成本。该算法的核心基于参考模式匹配原理。通过利用已知的单位晶胞参数和对称性信息，MCDPS-SFX通过系统地遍历整个方向空间来确定晶体方向[31,32]。该算法使用基于观察到的布拉格反射与整个探测器上预测峰之间匹配率的评分函数来评估方向。此外，它结合了一种迭代优化策略，该策略在逐步识别更多反射的同时优化方向和晶格参数，使其特别能够抵抗异常值，并有效解决多晶体命中中的重叠晶格问题。为了在彻底搜索的情况下保持高效率，方向任务被分配给多个计算机核心进行并行处理。

2. 方法
X射线自由电子激光器可以产生两种类型的衍射图案：多晶体衍射图案和稀疏衍射图案。对于前者，准确识别来自同一晶格的衍射斑点是成功确定结构的关键。对于后者，由于峰值分布稀疏，使用傅里叶方法很难识别周期性。MCDPS-SFX可以处理这两种类型的衍射图案。依靠已知的单位晶胞参数和对称性信息，它可以根据实验室坐标系确定每个晶体的方向。算法的工作流程如图1所示，详细步骤如下：

图1. MCDPS-SFX的工作流程。
(a) 使用CrystFEL套件（版本0.10.1）中的ZAEF算法识别布拉格峰。然后，通过几何文件转换这些峰的位置。最后，按照强度降序对这些衍射峰的位置进行排序，并逐一写入文本文件。
(b) 当衍射峰的数量超过100个时，选择上述过程生成的前100个峰并将其保存为文本文件。然后，使用以下方程将2D探测器坐标转换为3D倒易散射向量：
(1) ，其中x和y表示探测器平面上每个衍射峰相对于束中心的2D坐标，D表示样品到探测器的距离， 是入射的X射线波长。
(c) 创建一个由两个球坐标ψ和φ以及自旋转角θ确定的单位向量列表。为了覆盖整个方向空间同时考虑到计算成本，ψ和φ的搜索方向在半球内均匀分布，类似于MOSFLM中的方法。具体来说，ψ从0变化到π/2，步长为0.03 rad，φ从0变化到2π，步长为0.03/sin ψ rad，θ从0变化到2π，步长为0.03 rad。对于每个三角度组，其相应的旋转可以用下面的Rodrigues矩阵表示：
(2) ，其中s = sinθ，c = cosθ，nx、ny、nz是单位向量的笛卡尔分量，表示为：
(3)
(d) 对于步骤(b)中的每个单位向量，通过直接将Rodrigues旋转矩阵U与正交化矩阵B相乘来计算组合方向矩阵[UB]。矩阵B将倒易基向量链接到晶体学笛卡尔坐标系。然后，使用下面的公式(4)从组合方向矩阵和倒易散射向量确定每个观察到的峰的Miller指数：
(4)
(e) 使用公式(5)计算每个衍射点最接近的Miller指数。然后，使用公式(6)计算 和 之间的差异。最后，使用公式(7)确定观察到的峰 是否与由U和B确定的预测峰 匹配。
(5)
(6)
(7)
(f) 遍历步骤(c)生成的所有方向，并通过评分函数(8)获得最佳方向。这里，“所有峰”指当衍射峰数量超过100个时的前100个最强衍射峰，或者所有衍射峰。
(8)
(g) 迭代优化：在确定初始最佳方向后，使用Simplex算法通过最小化以下目标函数来迭代优化方向参数 和特定晶格相关的单位晶胞：
(9) 具体来说，使用初始最佳方向计算所有观察到的衍射点的Miller指数，然后根据公式(7)进行判断。通过判断的点用于迭代优化。通常，随着参数的改进，匹配当前晶格的反射数量会增加，并将在每个优化周期后用于下一轮优化，从而进一步促进更精确的优化。这种优化和补充反射之间的交替操作的优势在于它可以逐步识别不受异常值影响的更多反射，因此特别适合多晶体索引。整个优化过程将重复进行，直到达到收敛状态（即无法添加新点），或者默认情况下直到完成第十个周期。
(h) 删除匹配的峰，并使用剩余的未识别衍射峰搜索另一个方向。继续进行，直到衍射峰的数量少于10个。由于所提出的方法基于整个模式匹配原理，采样整个三维空间域会消耗大量时间。此外，索引速度与观察到的反射数量成正比。为了加快计算过程，首先将整个方向空间划分为不同的部分，并将方向空间采样任务分配给多个计算机核心进行并行处理。

3. 结果
3.1. 算法的可行性
为了严格评估我们新的索引算法MCDPS-SFX的稳健性，我们将其应用于在X射线自由电子激光（XFEL）设施收集的两个结构和实验上不同的SFX数据集。数据集I：Achromobacter cycloclastes亚硝酸盐还原酶（AcNiR）。这种含铜的金属酶催化亚硝酸盐还原为一氧化氮，是研究氧化还原酶中电子转移的模型系统[33]。该数据集包含在Diamond Light Source（英国）收集的50,814张静态衍射图像。这些晶体属于立方空间群P213（a = b = c ≈ 97.6 ?）。该数据集表现出显著的异质性，包括高比例的多晶粒快照和信噪比较低的图案，这对晶格索引来说是一个严峻的挑战。这些特性使其成为一个严格的测试案例，用于评估在现实和苛刻条件下索引算法的稳健性。数据集II：Hen卵白溶菌酶。我们使用了Boutet等人[34]提供的开创性基准数据集，该数据集包含在LCLS XFEL使用40 fs X射线脉冲（9.4 keV）收集的59,287张衍射图像。溶菌酶晶体采用四方空间群P43212（a = b ≈ 78 ?, c ≈ 38 ?）。尽管它被视为一个“模型”系统，但这个数据集涵盖了广泛的衍射质量——从强、高分辨率的图案到极其稀疏的图像（可检测到的布拉格峰少于10个），使其成为评估算法灵敏度和鲁棒性的理想测试平台。所有图像都在CrystFEL框架内统一处理。峰值检测使用peakfinder8进行，并且在两个数据集中使用相同的阈值参数。索引工作在indexamajig中进行，条件严格一致：提供了已知的参考晶胞参数，启用了定向精修，并且斑点积分采用了固定的轮廓半径3-5像素。我们将MCDPS-SFX与七种广泛使用的算法进行了比较：ASDF、DirAx、XDS、MOSFLM、TakeTwo、pinkIndexer和XGANDALF。如表1所总结的，MCDPS-SFX在两个数据集上都表现出了优越的性能，分别识别出95,354个溶菌酶晶体和21,807个AcNiR晶体——甚至超过了XGANDALF（分别为87,572个和21,277个）和pinkIndexer（分别为77,240个和20,486个）。值得注意的是，像MOSFLM和XDS这样的传统索引器在处理AcNiR时表现明显较差，这突显了处理异构数据集的挑战性。为了进一步说明这些结果，我们将MCDPS-SFX的索引效率与Boutet等人最初报告的结果进行了比较。在最初的出版物中，溶菌酶数据集的索引率为18.4%（对于40 fs脉冲）和26.3%（对于5 fs脉冲）。通过利用基于参考的全模式匹配策略并解决重叠的多晶格命中，MCDPS-SFX显著提高了相同基准数据下的总晶体产量，证明了其最大化科学输出的能力，超出了传统数据还原流程的限制。

表1. 使用indexamajig对AcNiR和溶菌酶SFX数据集进行自动索引的参数和结果，调用了各种索引子程序。衍射图像在反射计数区间上的分布（图2a）显示了MCDPS-SFX在稀疏衍射图案索引方面的出色能力。虽然XGANDALF在≤20反射的类别中获得了最高的计数（1269张图像），但MCDPS-SFX获得了第二名（1015张图像），显著优于其他算法（例如，pinkIndexer：950张，MOSFLM：244张，XDS：0张）。这展示了MCDPS-SFX对弱衍射微晶体的鲁棒性。至关重要的是，MCDPS-SFX在所有反射计数范围内都保持了优越的性能，最终获得了最多的索引图像总数，强调了其在处理稀疏和密集衍射数据方面的全面效率。图2. 溶菌酶SFX数据集上的比较索引性能。(a) 按每张图像的反射数量分组的索引晶体命中分布。水平堆叠的条形代表不同的索引算法（DirAx、XDS、TakeTwo、ASDF、MOSFLM、pinkIndexer、XGANDALF和MCDPS-SFX）。颜色表示用于索引的反射计数区间，范围从20（紫色）到>100（深红色）。MCDPS-SFX在捕获高反射计数的图像方面表现出更高的总产量。(b) 对索引图像的晶格组成分析。浅蓝色条形代表总的索引晶格。这些进一步分为仅包含一个晶格的图像（橙色条形）和包含多个晶格的图像（米色条形），通常称为“多重晶格”。MCDPS-SFX在识别单个衍射模式中的多个晶格方面显著优于现有方法，从而提高了其整体的索引率。每种算法的多晶格分辨率能力（图2b）进一步证明了MCDPS-SFX的增强性能。它实现了最多的索引晶格总数（95,354个），其中26,597个是多晶格图像（占总数的27.9%），略微超过了XGANDALF（27.7%，24,263/87,572）。这种在单个图像中解析多个晶体的重叠衍射模式的优越性能，加上强大的单晶格结果（16,884张图像），使MCDPS-SFX成为处理简单和复杂衍射场景的平衡解决方案。

MCDPS-SFX的互补优势——强大的稀疏数据索引（图2a）和卓越的多晶格分辨率（图2b）——解决了SFX中的两个关键挑战：从弱衍射晶体中最大化数据利用和准确处理复杂衍射图案。对AcNiR数据集的补充分析（图S1）证实了这些发现，MCDPS-SFX在稀疏索引方面保持了第二佳表现（≤20反射的1162张图像），并在多晶格处理方面具有持续的优势。每种算法生成的衍射数据质量（图3）揭示了MCDPS-SFX的全面优势。信噪比（SNR）作为分辨率的函数（图3a）展示了MCDPS-SFX从噪声中提取可靠衍射信号的卓越能力，在所有分辨率壳层中保持了最高的SNR值，特别是在低分辨率（1.58–3.0 ?）时——显著高于其他算法。这表明MCDPS-SFX在识别和整合弱反射的同时最小化了噪声污染。强度测量的重复性（图3b），通过Rsplit量化，显示MCDPS-SFX在整个分辨率范围内具有最小的值（在低分辨率时低于10，在高分辨率时低于30），与DirAx和TakeTwo形成了鲜明对比，后者显示出较差的重复性。不同图像之间的强度相关性（图3c）进一步证明了MCDPS-SFX持续的高相关系数（CC）值（在低分辨率时>0.90，逐渐下降到6.14 ?时的约0.4），与pinkIndexer和XGANDALF相当，但显著超过了DirAx和TakeTwo。图3. 作为分辨率函数的溶菌酶数据集的数据质量指标评估。(a) 信噪比（SNR），(b) 分裂半数R因子（Rsplit），以及(c) 皮尔逊相关系数（CC）与分辨率（倒数空间单位，nm?1）的关系。这些指标比较了MCDPS-SFX与其他七种索引算法的性能。(a,b)中的插图提供了高分辨率壳层（大约从5到6.2 nm?1）的放大视图，其中数据质量的差异变得更加明显。MCDPS-SFX（深绿色线）在整个分辨率范围内一致地保持了优越的信号强度（更高的SNR）、更好的内部一致性（更低的Rsplit）和更高的重复性（CC），尤其是在具有挑战性的高分辨率区域。为了进一步说明多晶格恢复性能，我们将我们的结果与基于Rodrigues–Frank空间的另一个全局搜索索引器FELIX算法[25]进行了比较。正如他们在基准研究中所总结的，FELIX从一个类似的溶菌酶数据集中识别出了44,465个晶体，获得了5.9%的Rsplit和0.213/0.248的结构精修值（Rwork/Rfree）。相比之下，MCDPS-SFX从基准数据中提取出了95,354个晶体，晶体产量是前者的两倍多。这一显著的数据恢复增加是在保持高结构保真度的同时实现的，Rwork/Rfree值为0.188/0.199，表明MCDPS-SFX为从多晶格XFEL快照中最大化信息恢复提供了更彻底和稳健的解决方案。图3中的综合指标突显了MCDPS-SFX在生成高质量衍射数据方面的全面优势：卓越的SNR、最小的Rsplit和在整个分辨率范围内的最大CC。这些结果证实了MCDPS-SFX不仅索引了更多的晶体，还产生了更可靠和一致的数据，使其成为需要高数据保真度的SFX实验的稳健选择。对AcNiR数据集的补充分析（图S2）进一步验证了这些发现，在两个不同的蛋白质系统中证明了MCDPS-SFX的通用性和产生高质量SFX数据集的稳健性。

3.2. 算法的通用性

在证明了MCDPS-SFX在标准测试案例（溶菌酶和AcNiR）上实现了最高的数据质量后，我们接下来在两个生物学上至关重要且技术要求高的GPCR系统上测试了其性能：视紫红质–阿瑞斯汀复合物[35]和全长胰高血糖素受体（GCGR）[36]。这些数据集具有极稀疏的布拉格峰和强烈的背景散射——这些条件严格考验了索引算法的准确性和鲁棒性。此外，这两个系统都包含功能重要但结构灵活的区域（例如，GCGR中的ECD–TMD连接器以及视紫红质的磷酸化C尾部），这些区域需要高保真的强度数据来进行可靠的建模。

视紫红质–阿瑞斯汀数据集包含了在SACLA XFEL设施中使用25 fs X射线脉冲（10.0 keV）收集的20,000张衍射图像。这些晶体属于正交空间群P213（a = 109.24 ?, b = 109.24 ?, c = 452.64 ?），其中37%的图像包含的布拉格峰少于15个，22%的图像的信噪比低于2.0——这些条件使得传统的索引方法非常不可靠。我们按照之前描述的相同处理条件应用了MCDPS-SFX，其性能在图4中得到了全面展示。图4. 在视紫红质–阿瑞斯汀数据集上对索引性能的基准测试。(a) 按反射计数区间分类的索引晶体命中分布，范围从20（紫色）到>100（深红色）。MCDPS-SFX的性能与五种其他索引算法进行了比较。对于这个膜蛋白复合物数据集，MCDPS-SFX和XGANDALF展现出了可比且占主导的地位，显著优于传统方法如MOSFLM、XDS和ASDF。(b) 按图像复杂度分类的索引晶格的结构组成。条形代表总的索引晶格（浅蓝色）、仅包含一个晶格的图像（橙色）以及包含多个晶格的图像（米色）。在视紫红质–阿瑞斯汀数据集上，XGANDALF在恢复的晶格总数上略有所领先，主要得益于单晶格命中。尽管如此，MCDPS-SFX表现出了高度竞争性的性能和鲁棒性，有效地捕获了各种反射密度的衍射数据，并在这个具有挑战性的结构目标上保持了高成功率。衍射图案在反射计数区间上的分布（图4a）显示了MCDPS-SFX在恢复弱衍射晶体方面的强大能力。MCDPS-SFX索引了显著更高比例的≤20反射的图像（这对于捕获含有S334、T336和S338的磷酸化C尾部的稀疏衍射图案至关重要），相比之下XDS（0张图像）和MOSFLM（61张图像）。虽然XGANDALF获得了略高的总索引计数（18,089 vs. 17,447），但MCDPS-SFX在索引最具挑战性的低反射区域时表现出更高的一致性。至关重要的是，MCDPS-SFX在所有反射范围内保持了一致的性能，使得对阿瑞斯汀招募至关重要的灵活C尾部的可靠建模成为可能。

多晶格索引能力（图4b）进一步突显了MCDPS-SFX在复杂衍射场景中的优势。它解析了427张多晶格图像（占索引模式总数的2.45%），反映了其检测重叠晶体取向的能力，这对于捕获视紫红质–阿瑞斯汀构象动态至关重要。这一能力特别有助于解析阿瑞斯汀残基（例如R19）与视紫红质磷酸化C尾部（S334、S338、K339）之间的相互作用，这一点得到了生化证据的支持。这一数据质量优势体现在关键指标（Rsplit和CC）上对XGANDALF的一致但适度的改进上，这直接转化为功能关键区域的结构分辨率的提高。MCDPS-SFX在所有分辨率壳层中都保持了一致的性能优势——尤其是在定义结构可解释性的指标（Rsplit和CC）上（图5b,c）。虽然XGANDS在低分辨率时获得了略高的SNR（0.84 nm?1：13.12 vs. 12.94），但MCDPS-SFX在整个分辨率范围内保持了较低的Rsplit（7.61% vs. 8.04%）和更高的CC（0.9906 vs. 0.9788）。这一优势在高分辨率时更加明显，其中MCDPS-SFX保持了CC > 0.11（对比XGANDALF：CC < 0.10 at 2.89 nm?1）和Rsplit < 370%（对比XGANDALF：Rsplit > 400%）。这一小的但系统的改进直接使得能够解析功能关键区域——例如磷酸化C尾部（S334/T336/S338）——在XGANDALF处理的数据中这些区域会因信号衰减而变得模糊。图5中DirAx算法的显著偏差和异常波动归因于其对视紫红质–阿瑞斯汀复合物的极低索引率。由于衍射快照的极端稀疏性，DirAx未能产生每个分辨率壳层统计上具有代表性的反射数量。这种数据冗余的缺乏使得计算出的质量指标对背景噪声和异常值高度敏感，从而导致SNR和CC值的不稳定性。这一结果凸显了传统索引方法在面对技术要求高的GPCR系统时的脆弱性，进一步突出了MCDPS-SFX全模式匹配方法的稳健性。图5. 对视紫红质–阿瑞斯汀复合物数据集的数据质量指标进行比较评估。(a) 信噪比（SNR），(b) 分裂半数R因子（Rsplit），以及(c) 皮尔逊相关系数（CC）作为分辨率（nm?1）的函数。MCDPS-SFX的处理结果（深青色线，带六边形）与其他常见索引程序进行了基准测试，包括XGANDALF（品红色，右指三角形）、MOSFLM（米色，向上三角形）、ASDF（浅橙色，五边形）、XDS（橙色，右指三角形）和DirAx（青色，菱形）。(a,b)中的插图提供了高分辨率壳层（高达2.8 nm?1）的数据行为的详细视图。对于这个具有挑战性的膜蛋白数据集，MCDPS-SFX和XGANDALF在整个分辨率范围内展示了可比且更优质的数据质量。为了评估索引精度对结构确定的实际影响，我们使用MCDPS-SFX处理的数据对视紫红质–阿瑞斯汀复合物进行了完整的原子精修。与原始基准数据（PDB ID：4ZWJ）相比，该算法在数据恢复方面显示出显著的优势。在20,000张图像的子集中，它识别出了约17,447个晶体（约87%的产量），这优于Kang等人报告的84.8%的峰值索引率[35]。由于数据利用效率的提高，结构分辨率显著提高，从3.30 ?提升到了3.01 ?（见表2）。尽管Clash得分仅为1.81（而基准方法的得分为1.57），但优化后的模型仍然保持了较高的结构保真度和几何一致性。这些验证结果可以通过将相应的PDB文件输入Phenix（版本1.15.2-3472）软件套件中的MolProbity功能来进行独立验证。表2展示了原始基准方法与MCDPS-SFX在视紫红质-阻遏蛋白复合物及GCGR结构优化和验证统计方面的比较。在我们成功将MCDPS-SFX应用于视紫红质-阻遏蛋白复合物（一种A类GPCR模型系统）后，我们将这一验证扩展到了结构上截然不同的B类胰高血糖素受体（GCGR）上。GCGR是代谢障碍中的关键治疗靶点，其较大的细胞外域（ECD）和动态的ECD-跨膜域（TMD）界面为结构生物学研究带来了重大挑战。与作为典型A类GPCR模型的视紫红质不同，GCGR独特的结构及其在葡萄糖稳态中的生理作用——尤其是在糖尿病和肥胖病理生理学中的作用——要求对多种GPCR家族的数据处理算法进行严格验证。为了评估MCDPS-SFX在GCGR处理中的表现，我们提供了数据处理流程的关键指标（见表3）。所有算法处理的都是相同的数据集（91,653张图像），但索引效率有所不同：XGANDALF索引了69,399张图像（占75.7%），并识别出了74,478个晶体，性能优于MCDPS-SFX（63,984张图像，占69.8%；69,014个晶体）和MOSFLM（39,868张图像，占43.5%；39,936个晶体）。数据一致性指标显示了一些细微差别：虽然XGANDALF的Rsplit略低（13.28% vs 13.67%），但MCDPS-SFX和XGANDALF在整个分辨率范围内（30.13–3.00 ?）保持了相同的高CC值（0.99），而MOSFLM的表现则有所下降（Rsplit = 16.97%，CC = 0.98）。表3比较了MCDPS-SFX、XGANDALF和MOSFLM在GCGR SFX数据集上的索引和合并统计结果。重要的是，这种数据质量直接体现在了结构分辨率上。经过MCDPS-SFX处理的数据集产生了精炼的电子密度图，Rwork值为0.1701，Rfree值为0.1891（见图6），清晰地展示了GCGR的ECD-TMD界面和配体结合口袋——这些区域对于理解胰高血糖素信号传导和设计糖尿病治疗方法至关重要。值得注意的是，尽管MCDPS-SFX的索引效率略低于XGANDALF，但它仍实现了这种结构保真度，表明数据一致性（Rsplit、CC）和结构质量（Rwork/Rfree）对于解析功能相关区域比原始索引速率更为关键。这一性能与MCDPS-SFX在视紫红质-阻遏蛋白分析中的持续成功一致，证明了其在结构不同的GPCR家族（A类 vs B类）中的稳健性，而不会夸大其绝对优势。图6显示了胰高血糖素受体（GCGR）复合物的代表性电子密度图。蛋白质主链以带状模型表示，受体及其相关组件分别用绿色和青色着色。灰色网格代表了最终的2Fo–Fc电子密度图，等高线值设定为2.0（或用户指定的值）。该图显示了七个跨膜（7TM）螺旋的清晰连续密度，表明实验数据与原子模型之间存在高度相关性。这种高质量的密度突显了[MCDPS-SFX/XFEL]数据处理流程解析出的GCGR复合物的结构完整性。MCDPS-SFX在处理全长胰高血糖素受体（GCGR）数据方面也表现出优异的泛化能力，这是一种更具挑战性的B类GPCR系统。对于GCGR数据集（PDB ID：5XEZ），MCDPS-SFX的索引率为69.8%（63,984张图像），显著优于Zhang等人在其开创性研究中报告的63.0%（57,573张图像）[36]。这种改进的数据利用效率直接转化为更高的结构保真度；精炼后的Rwork/Rfree值分别为0.17/0.19，相比原始研究报道的0.21/0.24有明显提升。这些对比结果证实了MCDPS-SFX是提高从具有挑战性的XFEL实验中提取的数据质量和数量的强大工具。与视紫红质-阻遏蛋白分析一致，GCGR的结构验证指标也可以使用Phenix中的MolProbity工具进行独立验证。最后，我们在一台Intel i9-10980XE工作站（英特尔公司，美国加州圣克拉拉）上对MCDPS-SFX的计算成本进行了基准测试（见表4）。虽然由于采用详尽的搜索策略，MCDPS-SFX的速度比XGANDALF慢，但在特定数据集（例如AcNiR）上，它的速度仍快于其他全局搜索方法（如pinkIndexer），同时提供了相当或更好的索引结果。这种处理速度与数据输出之间的平衡凸显了我们框架在复杂实验条件下的稳健性。表4展示了各种索引算法的性能比较（每个数据集1000张 diffraction 图像）。4. 结论从静态快照到四维“分子电影”的转变需要一个能够从脆弱的晶体样本中提取每一比特信息的分析流程。MCDPS-SFX通过用一种基于参考的、更具弹性的匹配策略取代传统的几何假设，解决了这一流程中最脆弱的环节——索引问题。我们的比较评估证实，MCDPS-SFX不仅仅是一个渐进式的改进，而是一个针对数据稀疏性和多晶格复杂性这一双重挑战的稳健解决方案。成功确定GCGR的ECD-TMD界面以及对视紫红质C-tail的高保真建模表明，数据一致性和结构可解释性比原始索引速度更为重要。通过在不同蛋白质系统中实现出色的信号提取和最小的重现性误差，MCDPS-SFX减少了所需的样本量和光束时间——这些资源仍然是基于XFEL的发现方法的主要限制。随着兆赫级重复率设施不断推动时间分辨率的极限，像MCDPS-SFX这样的定制框架将成为将海量数据转化为对化学和生物学基本过程深刻见解的关键工具。补充材料以下支持信息可在此处下载：https://www.mdpi.com/article/10.3390/app16084020/s1。