清华大学提出冷冻电镜粒子筛选新算法获得国际认可

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的一款新算法CryoSieve，受到了国际冷冻电镜研发领域的高度关注。4月24日，由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。

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，成为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。唯一可行的途径是通过对相同生物大分子的图像数据进行平均增加信噪比。20多年前，诺贝尔化学奖获得者、冷冻电子显微镜领域的开创者之一理查德·亨德森教授预测，即使对于40kDa（千道尔顿）的结构，也可以通过合并大约12000个粒子的颗粒来确定近3埃的结构。

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着的问题是：在实验中能否接近并达到特定分辨率所需的理论颗粒数的理论极限。相关研究成果已于去年年底发表在《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。

过去多年，包承龙、北京生物结构前沿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，该方法使得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%～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个数据集（pfCRT、TSHR-Gs和apoferritin）经过CryoSieve的筛选后，颗粒数接近该理论极限，被认为是该研究领域的一大重要进展。这对冷冻制样产生了重要的指导意义，即这些数据集通过提升样品制备来增加“有效”颗粒的比例更具潜力。

此外，CryoSieve可以优先去除辐照损伤的颗粒，并获得更优重构分辨率。研究人员在InSilicoTEM构造的模拟辐照损伤颗粒数据集、模拟角度、平移、CTF参数错误的模拟数据集上验证了CryoSieve的筛选效果，CryoSieve的筛选正确率均超过90%。                                

相关论文信息：https://www.nature.com/articles/s41467-023-43555-x

https://sbgrid.org/