冷冻电镜粒子筛选新算法获国际认可|清华大学|生物_新浪科技

本报讯（记者韩扬眉）为进一步提高冷冻电镜分辨率和效率，清华大学研究团队提出了一款新算法CryoSieve，并受到国际冷冻电镜研发领域的高度关注。近日，由美国哈佛大学医学院管理、为全球结构生物学提供计算支持的SBGrid联盟收录了CryoSieve算法。此前，相关研究成果已发表于《自然-通讯》，并于今年3月入选该期刊2023年度最受欢迎的物理学论文Top25榜单。

冷冻电子显微镜是一种确定生物大分子的近原子分辨率结构的重要方法。在冷冻电子显微镜下，蛋白质样本对辐射十分敏感，如何平衡信噪比和辐射损伤，是研究者必须关注的问题。

研究表明，通过单个生物大分子图像无法在原子级分辨率尺度上获得统计上定义良好的三维结构。唯一可行途径是通过平均多个相同生物大分子的图像数据来增加信噪比。

清华大学丘成桐数学科学中心助理教授包承龙表示，在当前实验中，冷冻电子显微镜重构结构所用到的最终颗粒数仍远高于理论极限。冷冻电镜领域长期面临的问题是，在实验中能否接近并达到特定分辨率所需的颗粒数的理论极限。

包承龙、北京生物结构前沿研究中心青年科学家胡名旭、清华大学丘成桐数学科学中心教授史作强团队联合开发了名为CryoSieve的新型颗粒迭代筛选方法，使冷冻电镜最终颗粒通过集中少数颗粒就可以产生更优振幅。

实验表明，目前大部分数据集的最终颗粒中的大多数颗粒是不必要的，只需要少数（20.1%至32.8%）颗粒即可从头重构获得接近或更高分辨率的三维结构。在测试的8套数据集中，有3套数据集经过CryoSieve筛选后，颗粒数接近理论极限。

此外，CryoSieve可以优先去除辐照损伤的颗粒，并获得更优的重构分辨率。研究人员在不同数据集上进一步验证了CryoSieve的筛选效果，发现正确率均超过90%。