通过去除单颗粒低温电子显微镜最终堆栈中的大部分颗粒来增强密度图。
2024年5月10日
一种先进的冷冻电镜颗粒选择方法，即 CryoSieve，通过去除最终堆栈中的大部分颗粒来提高密度图分辨率，正如其在真实世界数据集上的应用所证明的那样。
低温电子显微镜对于确定生物大分子的近原子结构至关重要。尽管它依赖于对大量低信噪比图像进行平均，但特定分辨率所需的最佳粒子数量仍然未知。这种限制阻碍了样品分析和制备方法的进步。
为了解决这个问题，我们引入了一种迭代排序方法，即 CryoSieve。标准协议选择包括二维和三维分类，其他协议排序标准如归一化互相关法、角度图一致性方法、非对准分类等目前正在使用中。大量实验表明，CryoSieve 优于其他冷冻电镜颗粒分选算法，揭示了大多数颗粒在最终堆栈中是不必要的。
留在最终堆栈中的少数粒子在重建密度图中产生非常高分辨率的振幅。对于某些数据集，最细子集的大小接近理论极限。在冷冻电子显微镜中，样品制备阻碍了工作流程。
由于缺乏用于协议比较的标准指标，所选颗粒与收集颗粒的比率可以作为质量指标。检查它们的空间和时间分布也可以突出影响准备有效性的关键物理因素。
概述
本研究介绍了CryoSieve，这是一种用于冷冻电子显微镜（cryo-EM）的先进颗粒筛选方法，可提高密度图的分辨率。通过从最终堆栈中去除不必要的颗粒，CryoSieve显著提升了重建密度图的质量。
关键研究组成部分
科学领域
- 冷冻电子显微镜
- 结构生物学
- 颗粒筛选方法
背景
- 冷冻电镜技术对于确定生物大分子的近原子分辨率结构至关重要。
- 目前的颗粒筛选方法通常保留了不必要的颗粒，限制了分辨率的提升。
- 标准筛选技术包括多种分类方法和评估指标。
- 目前尚缺乏用于比较样品制备方案的标准评估指标。
研究目的
- 开发一种迭代筛选方法，以优化冷冻电镜中的颗粒选择。
- 证明CryoSieve在提高密度图分辨率方面的有效性。
- 建立基于所选颗粒与采集颗粒比例的质量评估指标。
使用的方法
- 用于颗粒筛选的迭代分类方法。
- 利用GPU加速以提高处理效率。
- 使用特定命令配置环境并运行CryoSieve。
- 应用CryoSieve前后密度图的比较。
主要结果
- CryoSieve 的表现优于现有的颗粒筛选算法。
- 最终的颗粒子集接近理论极限，获得了高分辨率的结构图谱。
- 在 Rosenthal Henderson B 因子方面观察到显著改善。
- 增强后的密度图显示了更清晰的侧链和结构细节。
结论
- CryoSieve 能有效提升冷冻电镜密度图的质量。
- 该方法在提高分辨率的同时减少了粒子数量。
- 未来的研究可能聚焦于冷冻电镜样品制备的标准化指标。
常见问题
行业重要性概述
生物大分子的高分辨率结构解析对于生物制药研发中的靶点验证和机制去风险化至关重要。CryoSieve 迭代式颗粒筛选工作流程通过去除绝大多数无贡献颗粒，显著提升了单颗粒冷冻电镜中密度图的质量，从而直接影响结构模型的预测置信度。该能力通过提高分子层面认知的保真度，支持在早期发现阶段做出更可靠的决策以及对研发管线进行更有效的筛选。
生物制药研发中的战略应用
早期发现与靶点验证
- 通过提高结构清晰度，实现对治疗假设的严格验证。
- 通过将密度图优化至近原子分辨率，降低机制上的不确定性。
- 提供高可信度的结构数据，支持功能靶点的验证。
- 基于结构证据区分高质量靶点，助力项目组合的优先级筛选。
筛选与检测方法开发
- 为下游筛选和化合物评价工作流程准备经过验证的结构模型。
- 通过标准化颗粒选择和图谱质量，提高检测的可重复性。
- 实现对与配体结合或调控相关的结构特征进行定量评估。
- 支持基于结构筛选的可扩展和可重复使用平台的开发。
转化与临床前研究
- 将结构输出与疾病相关模型对齐，以推动转化生物标志物的开发。
- 通过确保结构准确性，实现从发现到临床前验证的连续性。
- 提供可靠且高分辨率的分子数据，降低后续推进决策的风险。
- 提升下游功能及药理学研究的预测价值。
流程与工作流整合
CryoSieve 工作流程可融入从早期结构生物学到先导化合物发现及临床前研究的整个发现过程，支持迭代的假设检验和模型优化。
- 发现生物学：通过最大化密度图分辨率，优化结构假设并阐明分子通路。
- 筛选：提供可重复的高质量结构数据，用于检测方法开发和化合物筛选。
- 分析：提供B因子和局部分辨率等定量输出，以客观比较不同实验条件。
- 转化研究：通过将结构数据与疾病模型对接，连接发现阶段与临床前研究阶段。
- 企业级复用：建立标准化、可扩展的颗粒筛选方法，适用于多个项目间的协同应用。
运营与企业影响
- 科学价值：提高结构模型的预测置信度，降低机制性不确定性。
- 操作价值：标准化并简化颗粒筛选流程，提升可重复性与可扩展性。
- 战略价值：通过降低后期生物学风险，实现更科学的立项/终止决策，提升资本使用效率。
- 项目组合影响：支持基于风险调整的、经结构验证靶点的优先排序与推进。
实施注意事项
- 需要具备冷冻电镜数据处理和结构生物学方面的专业知识。
- 需要配备GPU加速的计算基础设施，以实现高效的迭代分类。
- 需要跨团队统一颗粒筛选和质量评估标准。
- 可适用于多种大分子体系，但结果依赖于数据集的质量。
- 实际应用中的限制包括对可靠的样品制备和数据管理流程的需求。
