综述:通过低温电子断层扫描技术在原位解析结构异质性

《Current Opinion in Structural Biology》:Resolving structural heterogeneity in situ through cryogenic electron tomography

【字体: 大 中 小 】 时间:2025年12月10日 来源:Current Opinion in Structural Biology 7

编辑推荐:

  冷冻电镜断层扫描(cryoET)通过分析蛋白质复合物的三维亚断层体或二维粒子图像堆栈,揭示其结构异质性和动态变化。本文系统评述了基于3D亚断层体平均和2D粒子图像分类的重建方法,探讨离散分类与连续机器学习(如自动编码器)在解析构象连续变化中的优劣。研究指出,传统方法(如RELION)适合离散构象分类,而深度学习能更好地处理连续构象变化,但缺乏统一的基准数据集制约方法评估。最后呼吁建立涵盖不同结构异质性和动态范围的体外/体内基准数据集。

  
Jackson Carrion|Joseph H. Davis
计算与系统生物学项目,麻省理工学院,美国马萨诸塞州剑桥市
冷冻电子断层扫描(cryoET)已成为研究蛋白质及其复合物结构异质性的强大工具,能够直接洞察细胞内的宏观分子动态。得益于最近的计算技术进步,包括强大的机器学习框架,研究人员现在可以从倾斜序列获取的3D亚图和2D粒子图像堆栈中解析出离散的结构状态和连续的构象变化。在这篇综述中,我们回顾了粒子分类和异质3D重建方法的最新进展,特别关注了基于重建的3D亚图体积的工作流程与使用提取的2D粒子图像的工作流程之间的相对优势。此外,我们还强调了这些方法如何为细胞组分的组织、动态和结构变异性提供了具体的生物学见解。最后,我们提倡开发体外和原位收集的基准数据集,以便更客观地比较现有的和新兴的粒子分类及异质3D重建方法。

引言

自从David DeRosier和Aaron Klug提出结合多个倾斜视图来重建结构的三维密度图这一方法以来[1,2],电子断层扫描领域在三维可视化宏观分子复合物方面取得了稳步进展——最初使用纯化样品,后来扩展到玻璃化细胞。早期研究,包括Baumeister及其同事的开创性工作,展示了冷冻电子断层扫描(cryoET)在原位结构分析中的潜力,通过可视化真核细胞的粗粒度结构并解析大型、丰富的细胞质复合物(如核糖体和蛋白酶体)[3]。在接下来的二十年里,cryoET为包括原核细胞、古菌细胞、真核细胞以及分离的细胞器和病毒在内的多种系统提供了关于细胞组织和结构的见解[4, 5, 6, 7]。与此同时,亚图平均(STA)方法的持续改进(该方法对从断层图中提取的三维亚体积中的多个分子副本进行对齐和平均)使研究人员能够以接近原子级的分辨率原位观察这些复合物,并研究它们的构象和功能状态。
尽管取得了这些成功,cryoET仍面临一些固有的挑战,需要创新的计算解决方案。与单粒子分析(SPA)相比,使用倾斜序列数据进行cryoET分析既带来了机会也带来了挑战。一方面,倾斜序列图像采集提供了多个粒子的视图,增加了投影角度的采样,这对于具有优选方向的不对称粒子特别有利,并有助于区分沿成像轴排列的粒子;另一方面,这也引入了一些挑战,例如由于每张图像的电子剂量较低、高倾斜角度下的成像路径较厚以及采集序列后期图像的辐射损伤增加,导致信号相对于噪声(通常称为信噪比SNR)降低。此外,倾斜样品会在图像中引入失焦梯度,这需要加以考虑。最后,在进行断层图重建时,粗略的倾斜对齐估计误差可能会限制重建断层图的分辨率,通常需要大量的计算精修才能获得感兴趣的宏观分子复合物的高分辨率重建[8, 9, 10, 11, 12]。
计算方法的进步[11, 12, 13, 14, 15]有效解决了cryoET中的许多固有挑战,使得可以从约200 kDa的核小体[16]到约300 kDa的甲型流感病毒核糖核蛋白复合物[17],再到多兆道尔顿的光合复合物[18]等不同尺度的蛋白质复合物的离散和连续结构集合进行重建。随着这类研究的增加,电子显微镜数据银行(EMDB)也在迅速发展,无论是发表的研究数量还是每项研究中解析的结构数量都在增长,这凸显了研究人员如何越来越多地利用cryoET提供的丰富数据(图1a)。事实上,Beck和Frydman团队通过对真核伴侣蛋白TRiC的原位分析展示了这一能力的提升[19];他们利用RELION的3D分类方法直接在细胞中解析了TRiC的多种构象状态,有效区分了含有一个或两个PFD结构域的TRiC组装体,并且还解析了TRiC关闭其结合蛋白的构象变化(图1b和c)。

小节片段

使用2D粒子图像堆栈或3D亚图体积进行结构测定

cryoET中的异质重建和分类方法可以根据两个关键轴进行分类(表1):1)基于2D粒子图像堆栈的方法与基于3D亚图体积的方法;2)通常用于离散分类的方法与允许连续分类的方法。虽然该领域传统上使用3D亚图进行后续的STA处理,但现在越来越多地采用基于直接从断层图中提取的2D粒子图像的工作流程

离散分类与连续分类

传统的分类方法(如RELION [12]和EMAN2 [24]中实现的方法)通常用于将粒子分组到预定义的固定类别中,每个类别原则上代表一种特定的结构状态。这种方法适用于预期结构状态数量有限或粒子数量有限的系统。通过将粒子集中在相对较少的类别中,分类可以最大化被分类的粒子数量

基于3D亚图与2D粒子堆栈的方法

RELION 3.1版本中引入的STA工作流程[8]是cryoET领域的一个重要里程碑,因为它将许多研究人员熟悉的SPA工作流程扩展到了亚图体积。具体来说,可以从断层图中提取的单个3D亚图被分类到固定数量(通常为3-6个)的离散类别中。一旦分配了类别,就可以进一步细化这些类别,从而获得更高分辨率的重建结果。

连续分类 – 线性分解

虽然离散分类方法在STA的发展中起到了基础性作用,但对于经历连续构象变化或具有大量离散状态的宏观分子复合物来说,这些方法并不适用。对于旨在解析连续构象转变或探索更复杂结构景观的研究人员而言,连续分类和重建策略是必不可少的[57,58]。这些方法可以大致分为

基于机器学习的连续分类方法

机器学习架构,特别是自动编码器[65],已成为分析cryoET数据的强大工具[66]。在典型的自动编码器架构中,输入数据(即2D倾斜序列图像或3D亚图)通过编码器网络进行处理,将高维结构信息投影到一个简化的低维潜在空间中(图2)。这种潜在表示能够捕捉粒子间的组成和构象变化

未来的展望:对基准数据集的需求

正如在图像处理[70]和蛋白质结构预测[71]领域所看到的,创建可靠的基准数据集对于评估和改进cryoET中的结构异质性分析工具至关重要。实际上,在SPA中开发异质结构分析方法的过程中,具有不同结构异质性的公共数据集[72,73]一直作为评估新工具的标准基准

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务关系/个人关系:Joseph H. Davis与New England Biolabs Inc.有合作关系,涉及演讲和讲座费用;Joseph H. Davis与National Science Foundation(CAREER-2046778)有合作关系,涉及资金资助;Joseph H. Davis与NIH(NIGMS R01-GM144542)National Institute of General Medical Sciences有合作关系,涉及
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号