基于异构冷冻电子显微数据的数码蛋白质结构预测多尺度引导
机器学习
2025-12-02 v2 生物大分子
摘要
蛋白质结构预测模型已能够仅凭序列生成准确的3D结构假设，但常常无法捕捉动态生物大分子复合物的构象多样性，往往需要启发式的MSA抽样方法来生成备用构象。与此同时，冷冻电子显微镜(cryo-EM)已成为成像近原生构象异质性的强大工具，但面临着将原始实验数据转化为原子模型的繁琐流程。本文构建了这些模态之间的桥梁，将冷冻-EM密度图与蛋白质结构预测模型所学习的丰富序列和生物物理先验相结合。我们的方法CryoBoltz利用从密度图中推导出的全局和局部结构约束，指导预训练的生物分子结构预测模型的采样轨迹，使预测朝向与实验数据一致的构象状态发展。我们展示了这种灵活而强大的推理方法允许我们在包括输运体和抗体等多种动态生物分子系统中，将原子模型构建到异构冷冻-EM密度图中。代码已公开于 https://github.com/ml-struct-bio/cryoboltz。
引用
@article{arxiv.2506.04490,
title = {Multiscale guidance of protein structure prediction with heterogeneous cryo-EM data},
author = {Rishwanth Raghu and Axel Levy and Gordon Wetzstein and Ellen D. Zhong},
journal= {arXiv preprint arXiv:2506.04490},
year = {2025}
}
备注
NeurIPS 2025