Tomogram 中蛋白质的图谱识别 (GRIP-Tomo) 2.0：拓扑感知的蛋白质分类
定量方法
2025-10-28 v1 分子网络
摘要
冷冻电子断层扫描 (cryo-ET) 使生物分子在接近原生条件下的结构表征成为可能。现有方法在解释其三维体积时计算代价高昂且难以解释与小型蛋白质/复合物相关的密度。为探索用于识别 cryo-ET 数据中蛋白质的替代方法，我们采用图神经网络和拓扑不变方法。本文报告了一个快速算法，通过寻找进化上保守图案的细微差异以及蛋白质结构的几何特征来区分包含蛋白质密度的体积与噪声。GRIP-Tomo 2.0 是一个机器学习管道，从噪声的实验背景中提取蛋白质结构的可解释拓扑特征。与 1.0 版本相比，新管道包括三个升级，显著提高了性能，包括模拟真实噪声的合成断层图生成、基于图的持久特征提取作为蛋白质指纹，以及高性能计算加速。GRIP-Tomo 2.0 在合成数据集上实现超过 90% 的蛋白质与噪声区分准确率，在真实数据集上实现超过 80% 的准确率，这为推进 cryo-ET 工作流程并赋予自动检测小型和大型蛋白质的视觉蛋白质组学提供了基础步骤。
引用
@article{arxiv.2510.22167,
title = {Graph Identification of Proteins in Tomograms (GRIP-Tomo) 2.0: Topologically Aware Classification for Proteins},
author = {Chengxuan Li and August George and Reece Neff and Doo Nam Kim and Trevor Moser and Kate Baldwin and Malio Nelson and Arsam Firoozfar and James E Evans and Margaret S Cheung},
journal= {arXiv preprint arXiv:2510.22167},
year = {2025}
}