[论文解读] 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 9

一句话总结

本文提出一种基于自编码器的无监督方法，通过通过正则模式分析（NMA）参数化构象异质性，实现冷冻电镜中可变形原子模型的异质重构，降低结构空间维度。该方法联合估计2D图像偏移和正则模式振幅，实现了在合成腺苷酸激酶轨迹中对中间状态的原子级精确重构，与真实值的均方根偏差（RMSD）低于1.5 Å。

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.

研究动机与目标

• 解决冷冻电镜异质重构中高维、崎岖的结构空间建模挑战。
• 通过正则模式分析（NMA）降低构象空间维度，实现可扩展且具有物理意义的建模。
• 实现从噪声2D冷冻电镜图像端到端、可微分的原子模型推断，无需依赖方向估计。
• 通过基于参考的可变形原子模型，实现对生物分子中间构象状态的精确重构。
• 为计算成本高昂的能量最小化或期望最大化方法提供一种可扩展的替代方案。

提出的方法

• 该方法采用自编码器流程，编码器从每个粒子图像中估计2D图像偏移和正则模式的振幅。
• 解码器使用基于物理的前向模型，通过NMA对参考原子结构进行形变，结合估计的振幅和偏移生成合成图像。
• 在参考结构的弹性网络模型（ENM）上执行正则模式分析（NMA），将构象空间简化为一组少量的集体运动（例如，d=16个模式）。
• 通过基于梯度的优化进行框架训练，以最小化预测与观测2D图像之间的差异，实现对数据集的推理摊销。
• 通过学习从图像到构象参数的直接映射，避免了昂贵的能量最小化或迭代优化。
• 使用主成分分析（PCA）验证：预测振幅的前一主成分在潜在空间中解释了超过90%的方差。

实验结果

研究问题

• RQ1 基于NMA的物理启发的低维生物分子动力学表征，是否能实现冷冻电镜中准确且可扩展的异质重构？
• RQ2 自编码器架构在多大程度上能联合推断图像偏移和正则模式振幅，以重构中间原子构象？
• RQ3 该方法在重构显著偏离参考结构的构象分布（如不连续或连续分布）时表现如何？
• RQ4 该方法是否能在合成冷冻电镜数据中实现原子级精度（例如，子1.5 Å RMSD）重构中间状态？
• RQ5 当真实构象景观超出参考结构前几阶正则模式的范围时，该方法是否仍保持鲁棒性？

主要发现

• 在具有均匀、连续和不连续构象分布的合成数据集上，该方法成功重构了中间原子模型，与真实值的RMSD低于1.5 Å。
• 当使用16个正则模式（d=16）时，预测振幅的首阶主成分解释了潜在空间中超过90%的方差，表明与真实构象轨迹高度一致。
• 预测的正则模式振幅分布与真实分布高度匹配，尤其在捕捉不连续和连续分布方面表现优异。
• 当d=1时，该方法捕捉到了真实分布的定性特征，但随着构象状态与参考模型偏离程度增加，性能有所下降。
• 即使在远离参考构象（如闭合构象）的情况下，该方法仍实现了原子级精度，RMSD低于1.5 Å，尽管开-闭构象间RMSD为7 Å。
• 该框架通过避免迭代能量最小化或昂贵的期望最大化步骤，展示了可扩展性，实现了在大规模数据集上的高效推理。