基于置信度的LocScale-2.0冷冻电镜图谱优化

《Nature Communications》：Confidence-guided cryo-EM map optimisation with LocScale-2.0

　　

摘要

低温样品电子显微镜图像的质量往往不均匀，高分辨率结构与低分辨率或结构混乱的区域共存。这种差异使得结构解析变得复杂，尤其是对于异质性大分子复合体而言。在此，我们提出了LocScale-2.0，这是一种基于上下文意识的图像优化框架，无需事先了解分子的结构或组成即可使用。该框架利用人们对生物大分子电子散射的一般认知，提升局部细节和结构连贯性，同时保留那些虽分辨率较低但具有生物学意义的结构信息。此外，我们还介绍了LocScale-FEM，这是一种贝叶斯近似深度学习方法，可通过模拟这一优化过程来生成增强特征的图像。LocScale-FEM能够为每个体素提供置信度评分，这些评分具有统计学依据，能够反映图像的可靠性，同时对增强后图像中的局部相位误差十分敏感，还能标出需要谨慎解读的区域。通过具体示例，我们可以看到基于置信度引导的图像优化如何帮助进行生物学解读，并提高低温电子显微镜密度分析的客观性。