CryoDyna：基于物理感知神经网络的冷冻电子显微镜多尺度全链路建模
生物大分子
2025-10-21 v1
摘要
单颗粒冷冻电子显微镜已彻底变革了结构生物学，但仍面临在原子分辨率下解析构象异质性的挑战。现有的冷冻电子显微镜异质性分析方法要么缺乏原子细节，要么因图像噪声和单视图信息有限而容易过拟合。为获得原子级详细的多构象并充分利用不同取向的粒子图像，我们在此提出了 CryoDyna，一种深度学习框架，通过整合跨视图注意力和多尺度变形建模，直接从 2D 投影推断大分子动力学。结合粗粒度 MARTINI 表示与原子反向映射，CryoDyna 实现了对蛋白构象景观的接近原子解释。经由在多个模拟和实验数据集上的验证，CryoDyna 显示出改进的建模精度，稳健地恢复了冷冻电子显微镜粒子堆栈中隐藏的多尺度复杂结构变化。作为实例，我们生成了蛋白-RNA 的协同运动，解析了 RAG 信号端复合体不可见区域的动力学，以一种方法映射了转运酶的状态，揭示了膜锚定蛋白多聚体的分步闭合。该工作填补了冷冻电子显微镜异质性分析与原子尺度结构动力学之间的鸿沟，为探索复杂生物机制提供了有前景的工具。
引用
@article{arxiv.2510.16510,
title = {CryoDyna: Multiscale end-to-end modeling of cryo-EM macromolecule dynamics with physics-aware neural network},
author = {Chengwei Zhang and Shimian Li and Yihao Niu and Zhen Zhu and Sihao Yuan and Sirui Liu and Yi Qin Gao},
journal= {arXiv preprint arXiv:2510.16510},
year = {2025}
}