跳到正文
原文
Nature Communications· Ruben Sanchez-Garcia, Alex Berndt, Amir Apelbaum 等 8 人

用于药物发现中高效冷冻电镜图像对齐的监督深度学习框架 cryoPARES

Supervised deep learning for efficient cryo-EM image alignment in drug discovery with cryoPARES

AI 导读

cryoPARES 利用监督深度学习复用已有对齐结果,快速确定冷冻电镜颗粒位姿。

摘要 · AI 翻译

冷冻电子显微镜(cryo-EM)是测定生物大分子三维结构的关键工具。当前的工作流程计算需求高且需要人工干预,为基于结构的药物发现等高通量应用造成了瓶颈。在此类情境中,可以假定所有蛋白质样品在图像比对相关的分辨率下是等价的,因此来自先前精修的颗粒姿态信息可以被复用。然而,现有方法忽略了这一先验知识,对每个数据集都从头进行比对。我们提出 cryoPARES,一种在预比对数据集上训练的深度学习姿态估计方法。我们的方法不仅能够以显著快于传统方法的速度提供准确的角度预测,还引入了自动颗粒剔除功能,从而消除人工干预。结合其单次运行特性,这些功能可实现近乎实时的三维重建,从而在数据采集过程中提供反馈。我们通过快速测定四个不同蛋白质靶点上的七个配体结合复合物的结构,展示了 cryoPARES 的有效性。我们还发布了三个片段结合的 cryo-EM 数据集。

中文由 AI 翻译,仅供参考,以原文为准。

来源:Nature Communications · nature.com

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。