【儀表網(wǎng) 儀表研發(fā)】中國(guó)科學(xué)技術(shù)大學(xué)、中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院雙聘教授畢國(guó)強(qiáng)團(tuán)隊(duì)，與美國(guó)加州大學(xué)洛杉磯分校周正洪教授合作，開(kāi)發(fā)了一套基于深度學(xué)習(xí)的cryoET數(shù)據(jù)處理算法和軟件IsoNet,有效解決了cryoET成像中的缺失錐效應(yīng)和低信噪比問(wèn)題，相關(guān)研究成果以Isotropic reconstruction for electron tomography with deep learning為題于2022年10月29日發(fā)表在Nature communications.
 

　　研究人員搭建了一套迭代優(yōu)化的自監(jiān)督深度學(xué)習(xí)人工網(wǎng)絡(luò)算法，并以旋轉(zhuǎn)處理后的cryoET斷層三維重構(gòu)數(shù)據(jù)自身為訓(xùn)練集，實(shí)現(xiàn)了對(duì)cryoET斷層三維重構(gòu)數(shù)據(jù)的缺失錐矯正。同時(shí)，在IsoNet算法的流程中，加入降噪過(guò)程，使得同一個(gè)人工神經(jīng)網(wǎng)絡(luò)可以同時(shí)對(duì)斷層三維重構(gòu)數(shù)據(jù)進(jìn)行缺失信息補(bǔ)全和降噪處理。
 

圖1.基于深度學(xué)習(xí)進(jìn)行cryoET成像數(shù)據(jù)缺失錐矯正與降噪的基本原理與流程
 

　　利用IsoNet算法對(duì)模擬缺失錐的鐵蛋白(apoferritin)與核糖體(ribosome)的三維結(jié)構(gòu)分別進(jìn)行處理，處理后的結(jié)果能夠與低分辨的原子模型相媲美。同時(shí)對(duì)真實(shí)的HIV病毒粒子(immatureHIVcapsid)、副鞭毛桿(the paraflagellar rod)以及培養(yǎng)神經(jīng)細(xì)胞中突觸(neuronalsynapse)的斷層三維重構(gòu)數(shù)據(jù)進(jìn)行處理，均得到了非常好的效果。尤其值得關(guān)注的是，在利用IsoNet算法對(duì)神經(jīng)突觸這種典型包含大量蛋白、膜性細(xì)胞器與細(xì)胞骨架等復(fù)雜結(jié)構(gòu)的細(xì)胞水平厚樣品的斷層三維重構(gòu)圖像進(jìn)行處理后，突觸中囊泡、線(xiàn)粒體、微管、微絲、細(xì)胞膜以及蛋白復(fù)合物的三維結(jié)構(gòu)信息均得到了很好的恢復(fù)。
 

　　圖2.利用IsoNet算法對(duì)神經(jīng)突觸cryoET三維重構(gòu)數(shù)據(jù)進(jìn)行處理前、后的效果，以及對(duì)IsoNet算法處理后神經(jīng)突觸中超微結(jié)構(gòu)基于真實(shí)電子密度的三維可視化渲染
 

　　IsoNet算法在預(yù)印本bioRxiv公布后，引起了領(lǐng)域內(nèi)的廣泛關(guān)注與深入討論，其中一個(gè)重點(diǎn)是IsoNet算法是如何實(shí)現(xiàn)缺失錐矯正的？一種主要推測(cè)是，人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過(guò)程中，能夠?qū)W習(xí)到蛋白質(zhì)等生物結(jié)構(gòu)在三維空間中不同角度的結(jié)構(gòu)特征，并將這些信息補(bǔ)充到缺失錐方向，類(lèi)似于單顆粒冷凍電鏡三維平均。因此通過(guò)不斷優(yōu)化人工神經(jīng)網(wǎng)絡(luò)架構(gòu)、擴(kuò)大訓(xùn)練樣本集等手段，IsoNet算法將能夠?qū)崿F(xiàn)對(duì)細(xì)胞中每個(gè)蛋白分子的高分辨三維結(jié)構(gòu)信息進(jìn)行恢復(fù)，從而為真正實(shí)現(xiàn)可視化細(xì)胞原位每個(gè)蛋白分子的高分辨三維結(jié)構(gòu)與組織分布奠定了基礎(chǔ)。正如領(lǐng)域內(nèi)專(zhuān)家Dimitry Tegunov等人在推特上評(píng)價(jià)認(rèn)為，IsoNet算法的思路將是cryoET技術(shù)的未來(lái)發(fā)展方向。
 

　　本論文的第一作者為中國(guó)科學(xué)技術(shù)大學(xué)博士生劉云濤(現(xiàn)美國(guó)加州大學(xué)洛杉磯分校博士后)和2018級(jí)本科生張恒(現(xiàn)北京大學(xué)研究生)，通訊作者為畢國(guó)強(qiáng)教授和周正洪教授。中科院深圳先進(jìn)技術(shù)研究院副研究員陶長(zhǎng)路博士、美國(guó)加州大學(xué)洛杉磯分校博士生王輝也參與了本文的工作。該工作得到了科技部、國(guó)家自然科學(xué)基金委、中科院先導(dǎo)專(zhuān)項(xiàng)的資助。(微尺度國(guó)家研究中心、生醫(yī)部、科研部)