[논문 리뷰] Continuously heterogeneous hyper-objects in cryo-EM and 3-D movies of many temporal dimensions

Roy R. Lederman, Amit Singer|arXiv (Cornell University)|2017. 04. 10.

Advanced Electron Microscopy Techniques and Applications참고 문헌 21인용 수 15

한 줄 요약

이 논문은 냉동전자현미경(cryo-EM)에서 연속적으로 비균일한 거대분자를 재구성하기 위한 프레임워크를 제안한다. 이는 구조적 다양성을 연속적인 매개변수 T로 표현하는 고차원 공간 R³×T 내에서 초물체(hyper-objects)로 모델링하는 방식이다. 이론적 다항식 전개를 통해 이질성 차원을 다루고, 표준 냉동전자현미경 알고리즘을 변형함으로써, 연속적인 구조적 상태 간의 부드러운 전이를 보장하는 4차원 분자 영상 재구성에 성공하였다. 시뮬레이션 데이터를 바탕으로 한 결과, 기존 이산 분류 방법에 비해 해상도와 연속성이 향상됨을 입증하였다.

ABSTRACT

Single particle cryo-electron microscopy (EM) is an increasingly popular method for determining the 3-D structure of macromolecules from noisy 2-D images of single macromolecules whose orientations and positions are random and unknown. One of the great opportunities in cryo-EM is to recover the structure of macromolecules in heterogeneous samples, where multiple types or multiple conformations are mixed together. Indeed, in recent years, many tools have been introduced for the analysis of multiple discrete classes of molecules mixed together in a cryo-EM experiment. However, many interesting structures have a continuum of conformations which do not fit discrete models nicely; the analysis of such continuously heterogeneous models has remained a more elusive goal. In this manuscript, we propose to represent heterogeneous molecules and similar structures as higher dimensional objects. We generalize the basic operations used in many existing reconstruction algorithms, making our approach generic in the sense that, in principle, existing algorithms can be adapted to reconstruct those higher dimensional objects. As proof of concept, we present a prototype of a new algorithm which we use to solve simulated reconstruction problems.

연구 동기 및 목표

• 기존의 이산 분류 방법이 효과적으로 모델링하지 못하는, 냉동전자현미경에서 연속적인 구조적 다양성을 가지는 거대분자의 재구성 문제를 해결하기 위해.
• 기존의 3차원 냉동전자현미경 재구성 기법을 연속적인 구조적 변동성을 파라미터화된 기하학적 구조에서 포괄하는 고차원 초물체로 일반화하기 위해.
• 이론적 기반을 바탕으로 기존 냉동전자현미징 알고리즘과의 통합이 가능하도록 확장 가능한 유연한 프레임워크를 개발하기 위해.
• 구조적 공간 내 연속성 가정이 이질적 샘플에서 재구성 품질과 해상도를 크게 향상시킬 수 있음을 입증하기 위해.
• 이질성 매개변수 공간 내 임의의 지점에서 분자 상태를 자연스럽게 표현함으로써, 보간과 세밀한 분석이 가능하도록 하기 위해.

제안 방법

• 연속적으로 비균일한 분자를, T가 연속적인 매개변수 공간(예: 시간 또는 구조적 상태)인 R³×T 상의 함수로 표현하여 초물체 또는 초분자를 형성한다.
• 3차원 공간 기저와 1차원 시간/이질성 기저(예: 다항식)의 텐서곱을 사용하여 초물체를 전개한다: V(x₁,x₂,x₃,t) = Σq aq(x₁,x₂,x₃)Pq(t).
• 고주파 다항식 항을 잘라내거나 가중치를 적용하여 정규화를 시행함으로써 부드러움을 확보하고 노이즈 증폭을 줄인다.
• 표준 냉동전자현미경 재구성 알고리즘(예: SPR, 톰그래피)을 고차원 초물체에서 작동하도록 변형하여 핵심 연산을 유지한다.
• 모의 냉동전자현미징 문제를 해결하기 위해 프로토타입 알고리즘을 사용하며, 근접한 매개변수 값 간의 연속성을 활용해 재구성 정밀도를 향상시킨다.
• 더 뛰어난 안정성과 모델의 탄력성을 확보하기 위해 트리 기반 또는 하르 웨이브릿과 같은 대안적 기하학적 구조와 기저 함수를 탐색한다.

실험 결과

연구 질문

• RQ1 냉동전자현미경에서 거대분자의 연속적인 이질성은 고차원 초물체로 효과적으로 모델링될 수 있는가?
• RQ2 기존 냉동전자현미징 재구성 알고리즘이 미지의 회전 각도와 미지의 이질성 매개변수를 동시에 연속적인 설정에서 다룰 수 있는가?
• RQ3 이질성 매개변수 공간에서 연속성을 강제할 경우, 이산 분류 대비 재구성 해상도와 정확도가 얼마나 향상되는가?
• RQ4 R³×T 내 초물체를 표현하고 재구성하기 위한 최적의 기저 함수와 정규화 전략은 무엇인가?
• RQ5 이 프레임워크는 샘플링된 점 외의 이질성 매개변수 공간 내 임의의 지점에서 분자 상태를 재구성할 수 있는가?

주요 결과

• 제안된 프레임워크는 시뮬레이션된 냉동전자현미징 데이터로부터 4차원 분자 영상 재구성을 성공적으로 수행하였으며, 구조적 상태 간의 부드러운 전이를 잘 포착하였다.
• 연속 기저 전개를 통해 관측되지 않은 매개변수 값에서도 분자 구조를 보간함으로써 해상도 향상과 잡음 감소를 달성하였다.
• 이웃 상태 간의 정보를 효과적으로 융합할 수 있도록 연속성 가정을 활용함으로써 재구성 품질이 향상되었다.
• 이 방법은 고차원 초물체로의 연산 확장을 통해 기존 냉동전자현미징 알고리즘에 쉽게 통합될 수 있는 일반적이고 적용 가능한 프레임워크이다.
• 프로토타입 알고리즘이 시뮬레이션 데이터에서의 실현 가능성을 입증하였지만, 실제 고해상도 응용에 대비한 추가 최적화가 필요하다.
• 기하학적 구조와 기저 함수의 선택(예: 다항식, 하르)이 정규화 역할을 하며, 트리 기반 또는 웨이브릿 유사 기저 함수는 매개변수화 오차에 대해 뛰어난 안정성을 보였다.