Simple Science

最先端の科学をわかりやすく解説

# 生物学# 生物情報学

HetSIRENを使ったクライオ-EMの新しい発見

HetSIRENはCryo-EM研究における分子形状分析を強化する。

― 1 分で読む


HetSIRENはクライオHetSIRENはクライオEM解析を変革するする。新しい方法が分子の形状と挙動の研究を改善
目次

クライオ電子顕微鏡(CryoEM)は、生物サンプルの写真を超低温で撮る強力な技術なんだ。これによって、科学者たちは重要な分子、例えばタンパク質の構造を詳しく見ることができる。この方法は、分子がどのように形を変えたり機能したりするのかを研究するのに特に役立つんだ。

CryoEMを使うとき、研究者たちはしばしば単一の粒子に注目する。これは、個々の分子の画像をたくさんキャッチして、集めたデータに基づいて異なる形や構成を理解することを含む。しかし、これらの画像を分析するのは難しいことがあるんだ。というのも、分子は同時に複数の形や状態に存在することが多いから。従来、科学者たちはこれらの画像を特定のカテゴリーに当てはまると想定してグループ分けしてた。この方法を3D分類って呼ぶんだけど、多くの研究では役立ってきたものの、いくつかの課題や限界があった。分子が持つさまざまな形を単純化しすぎることがあるんだ。

従来の分類の課題

分子をグループ分けする標準的なアプローチは、分子が明確な形を持つと仮定するから、難しさを生むことがある。この仮定は、分子の振る舞いの複雑さを見逃すことになるんだ。分析を改善するために、科学者たちは分子の形を厳格なカテゴリーに押し込まない、新しい方法を探求してきた。

最近では、新しいアルゴリズムが開発され、研究者が分子の形の連続的な変化をキャッチできるようになった。これを不均一再構成(heterogeneous reconstruction)って呼ぶ。先進的な技術を活用することで、研究者はさまざまな条件のもとで分子が取る様々な形をよりよく表現できるようになった。

連続的不均一性分析の革新

この分野での興味深い開発の一つが、HetSIRENっていう方法だ。この新しいアプローチは、従来の方法に頼らずに分子画像を実空間でデコードすることに焦点を当てている。HetSIRENは、高度な機能を利用して生成する画像の質を向上させるんだ。これによって、研究者が分子の形を分析する方法にいくつかの重要な変更が加えられる。

まず、HetSIRENは、サイン波関数を利用してネットワークのアーキテクチャを活性化させる違った方法を採用してる。この関数は、典型的な活性化関数よりも画像の詳細や鮮明な特徴をよりよく保存するのに役立つから、分子構造を再構成するときによりクリアな画像が得られるんだ。

次に、HetSIRENは、分子の形の描写を、画像が撮影された方法やノイズなど、正確な測定を妨げる他の要因から分離してる。これによって、分子構造をより明確に表現できるようになるんだ。

HetSIRENは、出力の質を向上させるためにさまざまな正則化技術も用いている。この方法は、ノイズを減少させ、画像内の生物分子の信号を改善するのに重要なんだ。これにより、再構成された画像が、研究対象の分子の実際の形や構造を正確に反映することが担保される。

HetSIRENの主な貢献

HetSIRENの方法は、いくつかの重要な貢献をこの分野にもたらしたんだ:

  1. ポーズとCTFの分離:画像の向きと撮影プロセスの影響を分子の固有の構造的特徴から分けることで、よりクリアで正確な分子形状の風景を得ることができる。

  2. 高解像度再構成:HetSIRENは、以前の方法よりも詳細な構造特徴を示す高解像度の分子形状マップを生成できる。

  3. 焦点を絞った分析:研究者は分子の特定の関心領域に焦点を合わせることができ、重要な機能を持つ小さな領域をより正確に研究できるようになる。

  4. マルチ解像度トレーニング:新しい方法は、異なる解像度で複数のトレーニングセッションを必要とせずに、高品質の再構成を生成するためのネットワークのトレーニングを改善できる。

  5. 生物サンプルへの適用:HetSIRENは、SARS-CoV-2スパイク蛋白質のような重要な生物分子の分析に使用されて、これらのタンパク質が異なる条件、例えば温度の変化に応じて形を変える方法に関する洞察を提供している。

分子風景の詳細分析

HetSIRENの機能を理解するために、研究者たちはシミュレーションデータセットや公開されている古典的なデータセットを使った実験を行ったんだ。例えば、アデニレートキナーゼという酵素を使って、従来の方法で生成された風景とHetSIRENで生成された風景を比較した。その結果、新しいアプローチが分子の構造的景観をより良く表現していることが明らかになった。

別の応用として、研究者たちはリボソームに関連するデータセットを調査した。リボソームはRNAとタンパク質からなる複雑な生物機械で、細胞内でタンパク質を合成するんだ。HetSIRENをこのデータセットに適用したところ、リボソームの異なる形を特定するのが容易になり、従来の方法では気づかなかった珍しい状態を検出することができた。

スパイクタンパク質の温度の影響

SARS-CoV-2スパイクタンパク質の研究は、ウイルスが人間の細胞に感染する方法におけるその役割のため、特に重要なんだ。科学者たちは、温度の変化がこのタンパク質の形にどのように影響するかに興味を持っている。これがワクチン開発戦略に役立つかもしれないからだ。

研究者たちはスパイクタンパク質を2つの異なる温度、4°Cと37°Cで調べた。HetSIRENを使って観察したところ、タンパク質の形が温度によって大きく異なることがわかった。低温では、タンパク質はより開いた構造をとる傾向があったのに対し、高温ではより閉じた形になり、他の分子と結合する能力に影響を与える可能性があるんだ。

この検査は、温度がスパイクタンパク質の振る舞いに与える影響についての貴重な洞察を提供し、それがウイルスの振る舞い理解や将来のワクチン開発に影響を与えるかもしれない。

未来の影響と結論

HetSIRENによる進歩は、CryoEMと分子分析の分野での大きな進展を示している。生物分子がどのように形を変えたり機能したりするのかをより深く理解できるようになったことで、研究者たちは複雑な生物プロセスをより良く研究できる。これが、薬の開発やタンパク質設計、分子レベルでの病気理解などの新しい発見につながる可能性があるんだ。

要するに、HetSIRENが示す連続的不均一性分析の革新は、分子構造の調査において新しい基準を設定している。タンパク質や他の生体分子の動的な形をキャッチして分析する能力を向上させることで、この方法は生物学や医学の分野で深い影響を与える可能性のある新しい研究の道を開いているんだ。

オリジナルソース

タイトル: Real-space heterogeneous reconstruction, refinement, and disentanglement of CryoEM conformational states with HetSIREN

概要: Single-particle analysis by Cryo-electron microscopy (CryoEM) provides direct access to the conformation of each macromolecule. However, the images signal-to-noise ratio is low, and some form of classification is usually performed at the image processing level to allow structural modeling. Classical classification methods imply the existence of a discrete number of structural conformations. However, new heterogeneity algorithms introduce a novel reconstruction paradigm, where every state is represented by a lower number of particles, potentially just one, allowing the estimation of conformational landscapes representing the different structural states a biomolecule explores. In this work, we present a novel deep learning-based method called HetSIREN. HetSIREN can fully reconstruct or refine a CryoEM volume in real space based on the structural information summarized in a conformational latent space. The unique characteristics that set HetSIREN apart start with the definition of the approach as a real space-based only method, a fact that allows spatially focused analysis, but also the introduction of a novel network architecture specifically designed to make use of meta-sinusoidal activations, with proven high analytics capacities. Continuing with innovations, HetSIREN can also refine the pose parameters of the images at the same time that it conditions the network with prior information/constraints on the maps, such as Total Variation and L1 denoising, ultimately yielding cleaner volumes with high-quality structural features. Finally, but very importantly, HetSIREN addresses one of the most confusing issues in heterogeneity analysis, as it is the fact that real structural heterogeneity estimation is entangled with pose estimation (and to a lesser extent with CTF estimation), in this way, HetSIREN introduces a novel encoding architecture able to decouple pose and CTF information from the conformational landscape, resulting in more accurate and interpretable conformational latent spaces. We present results on computer-simulated data, public data from EMPIAR, and data from experimental systems currently being studied in our laboratories. An important finding is the sensitivity of the structure and dynamics of the SARS-CoV-2 Spike protein on the storage temperature.

著者: David Herreros, C. P. Mata, C. Noddings, D. Irene, J. M. Krieger, D. Agard, M.-D. Tsai, C. O. S. Sorzano, J. M. Carazo

最終更新: 2024-09-19 00:00:00

言語: English

ソースURL: https://www.biorxiv.org/content/10.1101/2024.09.16.613176

ソースPDF: https://www.biorxiv.org/content/10.1101/2024.09.16.613176.full.pdf

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。

類似の記事