EMAlign：利用深度学习通过主链概率实现冷冻电镜密度图的精确比对

冷冻电镜（cryo-EM）密度图的精确比对对于比较构象状态、检索图谱库以及指导原子模型构建至关重要，但对于含噪的实验图谱和仅部分重叠的结构而言，这仍然具有挑战性。现有比对方法通常基于原始图谱，这可能由于密度噪声而导致精度降低；或者需要人工干预进行局部比对，从而限制了其通用适用性。针对这些局限性，我们提出了 EMAlign，一种利用深度学习预测主链概率的自动化全局与局部 cryo-EM 图谱比对方法。首先，EMAlign 使用 BiMCUNet 网络从原始 cryo-EM 密度图中预测主链概率图。随后，基于预测的主链概率图，采用基于快速傅里叶变换（FFT）的搜索策略，在 cryo-EM 图谱之间进行精确比对的全局搜索。由此，主链概率图克服了原始含噪图谱带来的问题，而基于 FFT 的穷尽式全局搜索则保证了比对方法的通用适用性。我们在 3–10 Å 分辨率下，使用 64 对全局图谱、195 对局部图谱和 60 对结构到图谱配对对 EMAlign 进行了评估，并将其与 gmfit、fitmap、VESPER 和 CryoAlign 进行了比较。结果表明，EMAlign 在全局和局部比对中均优于其他方法，在全局、局部和结构到图谱比对任务中分别实现了 1.03 Å、2.56 Å 和 0.82 Å 的平均 RMSD；在 RMSD

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了该安全解决方案。可能导致此拦截的操作包括提交某些特定词语或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您遭到拦截。请在邮件中说明该页面出现时您正在进行的操作，并附上本页底部显示的 Cloudflare Ray ID。

---

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.21.733642v1?rss=1

🏷️ 冷冻电镜 密度图比对 深度学习 主链概率 结构建模