Mixture of neural fields for heterogeneous reconstruction in cryo-EM

要約

クライオ電子顕微鏡 (クライオ EM) は、生理学的に近い状況で巨大分子の集合体を画像化する、タンパク質構造決定のための実験技術です。
最近の進歩により、単一の生体分子複合体の動的立体構造の再構築が可能になりましたが、現在の方法では立体構造および組成の不均一性が混在するサンプルを適切にモデル化できません。
特に、複数のタンパク質の混合物を含むデータセットでは、3D 再構成のために構造、姿勢、組成クラス、立体構造状態を共同で推論する必要があります。
ここでは、K 個の神経場の 1 つから生じる構造をパラメータ化することで、構造的および組成的不均一性の両方を完全に非経験的にモデル化するアプローチである Hydra を紹介します。
我々は、新しい尤度ベースの損失関数を採用し、構造変動の程度が大きいタンパク質の混合物で構成される合成データセットに対するアプローチの有効性を実証します。
さらに、さまざまなタンパク質複合体の混合物を含む細胞溶解物の実験データセットで Hydra を実証します。
Hydra は異種再構成法の表現力を拡張し、クライオ EM の範囲をますます複雑なサンプルに広げます。

要約(オリジナル)

Cryo-electron microscopy (cryo-EM) is an experimental technique for protein structure determination that images an ensemble of macromolecules in near-physiological contexts. While recent advances enable the reconstruction of dynamic conformations of a single biomolecular complex, current methods do not adequately model samples with mixed conformational and compositional heterogeneity. In particular, datasets containing mixtures of multiple proteins require the joint inference of structure, pose, compositional class, and conformational states for 3D reconstruction. Here, we present Hydra, an approach that models both conformational and compositional heterogeneity fully ab initio by parameterizing structures as arising from one of K neural fields. We employ a new likelihood-based loss function and demonstrate the effectiveness of our approach on synthetic datasets composed of mixtures of proteins with large degrees of conformational variability. We additionally demonstrate Hydra on an experimental dataset of a cellular lysate containing a mixture of different protein complexes. Hydra expands the expressivity of heterogeneous reconstruction methods and thus broadens the scope of cryo-EM to increasingly complex samples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google