使用 spIsoNet 解决冷冻电镜重建中的优选取向问题

冷冻电子显微镜（cryoEM）现已被常规用于生物大分子高分辨率结构测定。然而，许多生物样品在 cryoEM 载网上表现出不同程度的优势取向，从而导致三维傅里叶空间采样不均匀。这种取向偏倚会产生各向异性的重构伪影；在严重情况下，还会在迭代精修过程中加剧颗粒错位，进而限制近原子分辨率 cryoEM 结构测定的成功率。本方案为应用 spIsoNet（一种自监督深度学习方法）缓解 cryoEM 重构中的优势取向问题提供了实用指南。我们描述了两种互补的工作流程：（1）图谱各向异性校正，用于纠正 cryoEM 图谱中的各向异性伪影；以及（2）颗粒错位校正，将 spIsoNet 与 RELION 外部重构相结合，以改进颗粒位姿估计。我们使用两个流感病毒血凝素（HA）三聚体数据集来展示这些工作流程，这两个数据集分别代表中等和严重程度的优势取向偏倚。该方案包括安装说明、参数选择指导、质量控制检查点和故障排除建议；在配备四块 NVIDIA A100 GPU 的工作站上，通常可在约 7 小时内完成。总体而言，这些工作流程为使用开源 spIsoNet 软件直接基于实验数据缓解优势取向问题提供了分步指导。

冷冻电子显微镜（cryoEM）现已被常规用于生物大分子的高分辨率结构测定。然而，许多生物样品在 cryoEM 载网上表现出不同程度的优势取向，导致三维傅里叶空间采样不均匀。这种取向偏倚会产生各向异性的重构伪影；在严重情况下，还会在迭代精修过程中加剧颗粒错配，从而限制近原子分辨率 cryoEM 结构测定的成功率。本方案为应用 spIsoNet（一种自监督深度学习方法）缓解 cryoEM 重构中的优势取向问题提供了实用指南。我们描述了两种互补的工作流程：（1）图谱各向异性校正，用于校正 cryoEM 图谱中的各向异性伪影；（2）颗粒错配校正，将 spIsoNet 与 RELION 外部重构相结合，以改进颗粒姿态估计。我们使用两个流感病毒血凝素（HA）三聚体数据集展示了这些工作流程，这两个数据集分别代表中等和严重程度的优势取向偏倚。该方案包括安装说明、参数选择指导、质量控制检查点和故障排除建议，通常可在配备四块 NVIDIA A100 GPU 的工作站上于约 7 小时内完成。总体而言，这些工作流程为使用开源 spIsoNet 软件直接基于实验数据缓解优势取向问题提供了分步指导。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.29.735357v1?rss=1

🏷️ 冷冻电镜 优势取向 深度学习 三维重建 各向异性校正 颗粒错位校正