[論文レビュー] Heterogeneous reconstruction of deformable atomic models in Cryo-EM

Youssef S. G. Nashed, Ariana Peck+7 more|arXiv (Cornell University)|Sep 29, 2022

Advanced Electron Microscopy Techniques and Applications被引用数 9

ひとこと要約

本論文は、変形性原子モデルの低温電子線微細画像（cryo-EM）における非教師付き自己符号化器ベースの手法を提案する。この手法は、正準振動モード解析（NMA）を用いて構造的不均一性をパラメータ化し、構造的空間の次元を低減する。本手法は2次元画像のずれと正準振動モードの振幅を同時に推定し、合成アデニル酸キナーゼの軌道において、真値からの1.5 Å未塔の原子レベルの再構成を可能にする。

ABSTRACT

Cryogenic electron microscopy (cryo-EM) provides a unique opportunity to study the structural heterogeneity of biomolecules. Being able to explain this heterogeneity with atomic models would help our understanding of their functional mechanisms but the size and ruggedness of the structural space (the space of atomic 3D cartesian coordinates) presents an immense challenge. Here, we describe a heterogeneous reconstruction method based on an atomistic representation whose deformation is reduced to a handful of collective motions through normal mode analysis. Our implementation uses an autoencoder. The encoder jointly estimates the amplitude of motion along the normal modes and the 2D shift between the center of the image and the center of the molecule . The physics-based decoder aggregates a representation of the heterogeneity readily interpretable at the atomic level. We illustrate our method on 3 synthetic datasets corresponding to different distributions along a simulated trajectory of adenylate kinase transitioning from its open to its closed structures. We show for each distribution that our approach is able to recapitulate the intermediate atomic models with atomic-level accuracy.

研究の動機と目的

• 低温電子線微細画像の不均一再構成において、高次元的かつ険しい構造的空間をモデル化する課題に対処すること。
• スケーラブルで物理的根拠のあるモデル化を可能にするために、正準振動モード解析（NMA）を用いて構成的空間の次元を低減すること。
• 方向推定を必要とせず、ノイズの多い2次元cryo-EM画像から原子モデルをエンドツーエンドで微分可能に推論すること。
• 参照ベースの変形性原子モデルを用いて、バイオマoleculeの中間的構成的状態を正確に再構成すること。
• 計算コストの高いエネルギー最小化や期待値最大化手法の代替手段として、スケーラブルな手法を提供すること。

提案手法

• 本手法は、各粒子画像からの2次元画像のずれと正準振動モードの振幅を推定するエンコーダを備えた自己符号化器パイプラインを採用する。
• デコーダは物理的フォワードモデルを用い、NMAを介して参照原子構造を変形し、推定された振幅とずれを組み込んで合成画像を生成する。
• 正準振動モード解析（NMA）は、参照構造の弾性ネットワークモデル（ENM）に対して実施され、構成的空間が少数の集団運動（例：d=16モード）に低次元化される。
• 本フレームワークは勾配ベースの最適化により訓練され、予測された2次元画像と観測された2次元画像の差を最小化する。これにより、データセット全体にわたる推論の負担が軽減される。
• 本手法は、エネルギー最小化や反復的精錬を避けて、画像から構成的パラメータへの直接的なマッピングを学習することで、計算コストを削減する。
• 主成分分析（PCA）を用いて、予測された振幅の最初の主成分が潜在空間における90%以上の分散を説明していることを検証する。

実験結果

リサーチクエスチョン

• RQ1 物理的根拠のある低次元表現（NMAを介して）により、低温電子線微細画像における不均一再構成を正確かつスケーラブルに可能にするか。
• RQ2 自己符号化器アーキテクチャが、画像のずれと正準振動モードの振幅を同時に推定することで、中間的原子的構造をどれほど正確に再構成できるか。
• RQ3 本手法は、参照構造から著しく逸脱するような、不連続的または連続的な分布の構成的分布をどれほど正確に再構成できるか。
• RQ4 本手法は、合成低温電子線微細画像から中間的状態を原子レベルの精度（例：1.5 Å未塔のRMSD）で再構成できるか。
• RQ5 参照構造の最初の数個の正準振動モードを超えた真の構成的ランドスケープが存在する場合、本手法は依然として頑健に機能するか。

主な発見

• 一様、連続的、不連続的な構成的分布を示す合成データセットにおいて、本手法は真値からの1.5 Å未塔のRMSDで中間的原子モデルを正確に再構成した。
• 16個の正準モード（d=16）を用いた場合、予測された振幅の最初の主成分が潜在空間における90%以上の分散を説明しており、真の構成的軌道と強い一致を示した。
• d=16の場合、予測された正準モード振幅の分布は、真値の分布とよく一致しており、特に不連続的および連続的な分布を的確に捉えていた。
• d=1の場合、本手法は真値分布の定性的な特徴を捉えてはいたが、参照モデルから逸脱するほどに性能が低下した。
• 参照構造から大きく離れた構造（例：閉じた形）に対しても、原子レベルの精度（RMSDが1.5 Å未塔）を達成しており、開口と閉口の間のRMSDが7 Åであるにもかかわらず、依然として高い再構成精度を示した。
• 本フレームワークは、反復的エネルギー最小化や高コストな期待値最大化ステップを回避することで、大規模データセットにおける効率的な推論を実現し、スケーラビリティを示した。