نُشرت في مجلة الطبيعة! تستخدم جامعة كاليفورنيا الذكاء الاصطناعي لابتكار إعادة بناء ثلاثية الأبعاد باستخدام المجهر الإلكتروني المبرد وتحقق تقدمًا كبيرًا في علم الأحياء البنيوي

في مجال البحث العلمي، أصبحت بعض التقنيات في كثير من الأحيان محط أنظار العصر بسبب تقدمها المذهل. تعد تقنية المجهر الإلكتروني بالتبريد (Cryo-EM)، والتي فازت بجائزة نوبل في الكيمياء عام 2017، واحدة من هذه التقنيات. على سبيل المثال، بالاعتماد على تكنولوجيا المجهر الإلكتروني المبرد، تمكن فريق شي ييجونج من التقاط البنية عالية الدقة للجسيم المتصل لأول مرة في عام 2015. وقد تم الترحيب بهذا باعتباره أعظم مساهمة للصين في العلوم العالمية في مجال علوم الحياة الأساسية في السنوات الثلاثين الماضية، كما أثار أيضًا اهتمامًا واسع النطاق بالمجهر الإلكتروني المبرد.

باعتبارها أداة مهمة في مجال علم الأحياء البنيوي، يمكن للمجهر الإلكتروني المبرد تبريد العينات بسرعة إلى درجات حرارة منخفضة، مما يمنع جزيئات الماء في العينات من التبلور، وبالتالي الحفاظ على الحالة الفسيولوجية القريبة للعينات.بمجرد تجميد العينات، يمكن للباحثين استخدام مجموعة من تقنيات المجهر الإلكتروني بالتبريد لتصور العينات ثلاثية الأبعاد بدقة مختلفة، بما في ذلك الدقة القريبة من الذرة، للحصول على فهم أعمق وأكثر شمولاً للعينات.

ومع ذلك، وعلى الرغم من أن تكنولوجيا المجهر الإلكتروني المبرد أصبحت أكثر نضجًا بشكل متزايد، فإن قضية ميزة التوجيه أثناء تحضير العينة كانت دائمًا مشكلة صعبة. بشكل عام، تتطلب عملية إعادة البناء ثلاثية الأبعاد إسقاطات بروتينية من جميع الاتجاهات لتغطية المساحة بالكامل. ومع ذلك، فإن البروتينات الممتصة عند واجهة الهواء والسائل (AWI) غالبًا ما تظهر مزايا توجيهية، مما يؤدي إلى مجموعات بيانات إسقاط غير كاملة، مما يؤدي بدوره إلى درجات متفاوتة من التشوه في كثافة البروتين، مما يؤدي إلى تشوهات إعادة البناء.

حديثاً،واقترح فريق البحث بجامعة كاليفورنيا في لوس أنجلوس طريقة التعلم العميق ذاتية الإشراف والتي تسمى IsoNet ذات الجسيم الواحد (spIsoNet).توفر هذه الطريقة طريقة جديدة لاستعادة تماثل العينات. عندما يتم تطبيق spIsoNet على المجهر الإلكتروني بالتبريد أحادي الجسيمات، فإنه يمكن أن يحسن بشكل كبير جودة إعادة بناء الجزيئات البيولوجية الكبيرة، وتعزيز دقة المحاذاة والتماثل الزاوي، وتحقيق اختراقات جديدة في مجال علم الأحياء البنيوي.

تم نشر البحث، الذي يحمل عنوان "التغلب على مشكلة التوجه المفضل في المجهر الإلكتروني بالتبريد باستخدام التعلم العميق الخاضع للإشراف الذاتي"، في المجلة الأكاديمية الدولية Nature Methods.

أبرز الأبحاث:
* طورت هذه الدراسة طريقة شاملة تعتمد على التعلم العميق الخاضع للإشراف الذاتي، spIsoNet، والتي يمكن استخدامها لتحسين جودة صورة المجهر الإلكتروني بالتبريد

* يمكن لـ spIsoNet حل مشكلة إعادة البناء ثلاثية الأبعاد الناجمة عن مشكلة اتجاه التفضيل
* تعمل spIsoNet على تحسين دقة التماثل الزاوي ومحاذاة الجسيمات أثناء إعادة بناء الأبعاد الثلاثية

عنوان الورقة:
https://doi.org/10.1038/s41592-024-02505-1

عنوان مجموعة بيانات spIsoNet:
https://go.hyper.ai/P7XQu

يجمع المشروع المفتوح المصدر "awesome-ai4s" أكثر من مائة تفسير ورقي لـ AI4S ويوفر مجموعات وأدوات ضخمة من البيانات:

https://github.com/hyperai/awesome-ai4s

مجموعة البيانات: حدد مجموعات بيانات متعددة، كل منها لها خصائص مختلفة وسيناريوهات تطبيق مختلفة

في هذه الدراسة، استخدم الباحثون مجموعات بيانات متعددة لاختبار أداء spIsoNet، ولكل منها خصائصها الفريدة وسيناريوهات التطبيق الخاصة بها:

* مجموعة بيانات بيتا غالاكتوزيداز:ويحتوي على مجموعتين فرعيتين باتجاهات محددة، وهما 1,513 جسيمًا من المنظر الجانبي و950 جسيمًا من المنظر العلوي، والتي تُستخدم للتحقق مما إذا كان spIsoNet قادرًا على تحسين جودة الصورة (جودة الخريطة) المتأثرة بالاتجاه المفضل.

* مجموعة بيانات مائلة لثلاثي HA (EMPIAR-10097):يتم الحصول عليها من خلال استراتيجية إمالة الشبكة، والتي توفر اتجاه عرض مائل ويمكن استخدامها لتقييم قدرة spIsoNet على التعامل مع العينات المائلة.

*  مجموعة بيانات ثلاثي HA غير المائل (EMPIAR-10096):تم جمعها في ظل ظروف إمالة بدون شبكة، ومن خلال استيراد 130.000 جسيم وإجراء تصحيح عدم المحاذاة، كانت الصورة الناتجة بدقة 3.45Å، والتي يمكن استخدامها لمقارنة الاختلافات في تأثيرات المعالجة بين العينات المائلة وغير المائلة.

*  مجموعة بيانات الريبوسوم غير المتماثل (EMPIAR-10406):ويحتوي على الريبوسوم 70S لمسببات الأمراض A. baumannii المعقدة مع الأميكاسين وتم استخدامه لتقييم أداء spIsoNet في التعامل مع الهياكل الجزيئية الحيوية المعقدة.

* مجموعة بيانات التصوير المقطعي لفيروس نقص المناعة البشرية (VLP) (EMPIAR-10164):يحتوي على جزيئات غير ناضجة تشبه فيروس HIV-1 dMACANC (VLPs) بدقة 3.6Å. وفي هذه الدراسة، تم تقديم نظرة متعمقة لبنية جسيم الفيروس.

spIsoNet: يعتمد على نموذج التعلم العميق U-net، ويتكون من وحدتين رئيسيتين

تعتمد الشبكة العصبية المستخدمة بواسطة spIsoNet على بنية شبكة U-net.هذا نموذج التعلم العميق الذي اكتسب اعترافًا واسعًا في مجال استعادة الصور الطبية الحيوية وتجزئةها. كما هو موضح في الشكل ب أدناه، يتم إنشاء U-net على أساس بنية المشفر-الفك عن طريق تكديس الكتل التلافيفية.

استنادًا إلى نموذج U-net، يتكون spIsoNet بشكل أساسي من وحدتين:

وحدة تصحيح التباين

قام الباحثون بتصميم وحدة تصحيح التباين لتحسين وضوح صور المجهر الإلكتروني المبرد.كما هو موضح في الشكل ج أدناه، فإن تشغيل هذه الوحدة يأخذ نصفين من الخرائط وحجم ارتباط فورييه ثلاثي الأبعاد (3DFSC) وقناع المذيب كبيانات إدخال، ويدمج خوارزمية 3DFSC لتقليل المجموع المرجح لأربعة أنواع مختلفة من وظائف الخسارة، بما في ذلك فقدان الاتساق، وفقدان التباين، وفقدان اتساق الضوضاء إلى الضوضاء وفقدان التباين بين الضوضاء والضوضاء، وبالتالي تحسين جودة صور المجهر الإلكتروني بالتبريد العميق.

وحدة تصحيح عدم المحاذاة المدعومة بتقنية تصحيح التباين

كما هو موضح في الشكل e أدناه، تدمج هذه الوحدة سير عمل يتضمن ثلاث خطوات رئيسية: تصفية الخريطة، وتصحيح التباين، والتحسين التلقائي في RELION. يعد تصحيح التباين هو جوهر العملية بأكملها، والتي تهدف إلى تحسين جودة صور المجهر الإلكتروني بالتبريد من خلال تصحيح التباين.
* يشير تصحيح التباين إلى تصحيح الاختلافات في الخصائص الفيزيائية والكيميائية لجسم ما في اتجاهات مختلفة من خلال خوارزميات محددة لتحقيق تأثير متساوي الخواص.

* تُستخدم تقنية تصحيح عدم المحاذاة بشكل أساسي لتصحيح مشاكل عدم محاذاة الصورة الناتجة عن التشوه الهندسي أثناء عملية التصوير.

بعد الانتهاء من تصحيح التباين، حصل الباحثون على معلمات اتجاه الجسيمات أكثر دقة وصورتين نصفيتين أعيد بناؤهما بواسطة RELION. بعد كل تكرار لتحسين الصورة ثلاثية الأبعاد، تتم معالجة هذه الصور النصفية من خلال مرشحات ما بعد المعالجة بما في ذلك التبييض ووزن FSC لتحسين جودة الصورة بشكل أكبر. بعد ذلك تقوم وحدة التصحيح المتباينة spIsoNet بمعالجة هذه الصور النصفية المفلترة، ويتم ترشيح الصور النصفية المصححة المعالجة باستخدام تقنية الترددات المنخفضة للوصول إلى معيار يطابق دقتها. سيتم استخدام هاتين الصورتين النصفيتين المصفيتين والمصححتين كمراجع لتقدير الاتجاه اللاحق.

نتائج البحث: spIsoNet يحسن جودة صور المجهر الإلكتروني بالتبريد بشكل ملحوظ

تصحيح التباين فعال

اكتشف الباحثون أن وحدة تصحيح التباين في spIsoNet قادرة على استعادة المعلومات المفقودة في البيانات المحاكاة بشكل فعال. لذلك،تم اختبار spIsoNet أولاً على مجموعة بيانات RELION التعليمية التي تحتوي على β-galactosidase.

كما هو موضح في الشكل jm أدناه، من خلال اختيار جزيئات المنظر الجانبي وجسيمات المنظر العلوي من متوسطات الفئة ثنائية الأبعاد، قام الباحثون بتجميع مجموعتين فرعيتين من الجسيمات ذات التوجهات المفضلة وأجروا إعادة بناء RELION 3D القياسية. تظهر نتائج الاختبار أن وحدة تصحيح التباين وحدها يمكنها أن تقلل بشكل فعال من تشوهات إعادة بناء الأبعاد الثلاثية الناجمة عن التوجهات المهيمنة على المنظر العلوي أو المنظر الجانبي.

* حيث يشير jl إلى خريطة التصنيف ثنائية الأبعاد التي أعيد بناؤها من زوايا مختلفة، ويشير km إلى خريطة التصنيف ثلاثية الأبعاد التي أعيد بناؤها من زوايا مختلفة.

تعمل تقنيات تصحيح التباين وتصحيح عدم المحاذاة على تحسين جودة صور المجهر الإلكتروني بالتبريد بشكل كبير

أظهرت الدراسات السابقة أن جودة صور المجهر الإلكتروني المبردة لمجموعات البيانات المائلة لثلاثي الهيالورونيك ليست مثالية. من أجل اختبار تأثير spIsoNet،أجرت هذه الدراسة أولاً تصحيحًا متباين الخواص على نصف الخريطة.وتظهر النتائج أن جودة الصورة المصححة تحسنت بشكل كبير، كما زادت الدقة المحلية، وانخفضت الضوضاء. كما هو موضح في الشكل (أ) أدناه، في الصورة المصححة، أصبحت كثافة السلسلة الجانبية التي كان من الصعب تمييزها في الصورة الأصلية مرئية بوضوح.

* من اليسار إلى اليمين: تحسين RELION القياسي، وتصحيح التباين، وتصحيح عدم المحاذاة بواسطة تصحيح التباين.

وعلاوة على ذلك، وكما هو موضح في الشكل cf أدناه، تعمل الصورة بعد تصحيح الانحراف على تحسين ارتباط غلاف فورييه من الصورة إلى النموذج، كما أن ارتباط غلاف فورييه ثلاثي الأبعاد (3DFSC) قريب من الشكل الكروي (0.991). وبالمقارنة مع الصورة الأصلية، تظهر الصورة بعد التصحيح أيضًا منطقة مشغولة بقذيفة فورييه متساوية الخواص (FSO) أكبر.

* حيث، ce هي شرائح 3DFSC المستخدمة لتحسين RELION وتصحيح عدم محاذاة spIsoNet، على التوالي، وdf هي قيم FSO وP لاختبار Bingham المحسوبة من نتائج تحسين RELION وتصحيح عدم محاذاة spIsoNet، على التوالي.

تم تحديد وتصحيح العديد من الاتجاهات المعينة بشكل غير صحيح بنجاح من خلال تصحيح عدم المحاذاة

بالنسبة لمجموعة بيانات البروتين التي تعاني من مشاكل خطيرة في اتجاه التحيز، فإن مجموعة بيانات ثلاثي HA غير المائل (EMPIAR-10096)استخدمت هذه الدراسة وحدة تصحيح سوء المحاذاة المعتمدة على تصحيح التباين في spIsoNet لمعالجة مجموعات بيانات الجسيمات.تم استخدام صورة ثلاثي HA المعاد بناؤها في مجموعة البيانات المائلة كنموذج مرجعي.

بعد تصحيح عدم المحاذاة، كما هو موضح في الأشكال (ب-و) أدناه، حصل الباحثون على صورة بالشكل الصحيح وحققوا تحسنًا كبيرًا في الخواص المتساوية. كما هو موضح في الشكل h أدناه، فإن دقة الصورة التي تم تحديدها بواسطة FSC نصف الخريطة (3.5Å) وFSC النموذجي إلى الخريطة (3.6Å) متسقة.

*صور مجهرية إلكترونية مبردة تمثيلية (أ)، صور مجهرية إلكترونية مبردة تمثيلية (ب) لثلاثي HA أعيد بناؤها بطرق مختلفة، شرائح (ج) من 3DFSC مستخدمة في تحسين RELION القياسي، قيم d-FSO و P لاختبار Bingham محسوبة بناءً على نتائج تحسين RELION القياسي، شرائح (هـ) من 3DFSC مصححة بواسطة عدم محاذاة spIsoNet، قيم f-FSO و P لاختبار Bingham محسوبة بناءً على نتائج تصحيح عدم محاذاة spIsoNet، كثافة بقايا الأحماض الأمينية والجليكانات الممثلة لـ g والمختارة من صور المجهر الإلكتروني المبردة تمثيلية تمثيلية، منحنى FSC المصحح لـ h لثلاثي HA، نتائج توزيع i و j في اتجاهات مختلفة ودرجات cryoEF المقابلة

تتميز تقنية spIsoNet بتحسين محاذاة الجسيمات غير المتماثلة والجسيمات التي تحتوي على جزيئات الأحماض النووية

كما هو موضح في الأشكال أدناه، بعد تصحيح التباين، تم تحسين جودة الصورة بشكل كبير، مما يظهر توزيع كثافة أكثر استمرارية، ودقة محلية أعلى، وتداخل ضوضاء أقل.وتوصلت الدراسة إلى أنعندما يتم استخدام متوسط التصوير المقطعي المحلي للريبوسومات 70S أو 80S كمرجع ويتم الحفاظ على الدقة الأولية 15Å للمحاذاة، يمكن الحصول على صور عالية الجودة بدون تحيز النموذج بشكل ثابت ويمكن التخفيف من آثار التباين بشكل فعال.

* أ، ب- صور الريبوسوم التي أعيد بناؤها باستخدام طرق إعادة بناء مختلفة، ج، د- مناطق الكثافة التمثيلية مع النماذج الذرية الملائمة (أصفر)

تتمتع spIsoNet بإمكانيات التطبيق في علم الأحياء البنيوي في الموقع

لتقييم تطبيق spIsoNet في حساب متوسطات التصوير المقطعي الفرعي، استخدمت هذه الدراسة مجموعة بيانات التصوير المقطعي VLP لفيروس نقص المناعة البشرية من النوع 1 (EMPIAR-10164) كمثال.

كما هو موضح في الشكل أ أدناه، في العملية القياسية لـ RELION4، استخدمت هذه الدراسة مجموعة فرعية من 5 مجموعات من زوايا الميل المختلفة للحصول على هيكل بدقة 3.7Å. وبعد ذلك، من خلال تطبيق تصحيح عدم المحاذاة، حصل الباحثون على بنية ذات دقة متساوية الخواص 3.6Å كما هو موضح في الشكل (هـ) أدناه.

كما هو موضح في الشكل bh أدناه، يكشف التحليل البنيوي عن كثافة سلسلة جانبية أكثر وضوحًا ويظهر كروية 3DFSC أعلى في منحنى FSO، مما يساعد على تحسين دقة تقدير اتجاه الجسيمات.

* أ- خريطة الدقة المحلية لفيروس نقص المناعة البشرية-1 أعيد بناؤها وفقًا لمعيار RELION، ب- شريحة من 3DFSC تم استخدامها لتحسين RELION القياسي، ج- FSO وقيمة P لاختبار Bingham تم حسابها وفقًا لنتائج تحسين RELION القياسية، د- كثافة تمثيلية لبقايا الأحماض الأمينية والجليكانات المختارة من صور المجهر الإلكتروني بالتبريد، هـ- خريطة الدقة المحلية لفيروس نقص المناعة البشرية-1 أعيد بناؤها وفقًا لتكنولوجيا تصحيح التباين spIsoNet، و- شريحة من 3DFSC تم تصحيحها بواسطة التباين spIsoNet، ز- FSO وقيمة P لاختبار Bingham تم حسابها وفقًا لنتائج تصحيح التباين spIsoNet، ح- كثافة تمثيلية لبقايا الأحماض الأمينية والجليكانات المختارة من صور المجهر الإلكتروني بالتبريد

الذكاء الاصطناعي + المجهر الإلكتروني بالتبريد، نموذج تكنولوجي لـ "التركيبة القوية"

خلال العامين الماضيين، كان هناك موضوع مثير للجدل في المجتمع العلمي: "هل ينهي AlphaFold علم الأحياء البنيوي؟" الجواب هو بالطبع لا.

من ناحية،تأتي بيانات التدريب الخاصة بنماذج التنبؤ بالبنية مثل AlphaFold من طرق تحليل البنية التقليدية مثل الأشعة السينية والمجهر الإلكتروني بالتبريد.على الجانب الآخر،تتميز المجهر الإلكتروني بالتبريد بقدرتها على تحليل ديناميكيات البروتين، وهو أمر غير ممكن حاليًا باستخدام AlphaFold. فهل يمكن لتقنية الذكاء الاصطناعي التي يمثلها AlphaFold أن تساعد الطرق التقليدية المتمثلة في المجهر الإلكتروني المبرد؟ ويمكن القول أن هذا ضرورة.

على سبيل المثال، اعتبارًا من عام 2022،استخدم فريق البروفيسور ماو يودونج في جامعة بكين الذكاء الاصطناعي + المجهر الإلكتروني المبرد لـتم التقاط التحويل المؤقت للبروتوزوم المستحث من حالة وسيطة لتحلل الركيزة إلى حالة وسيطة لتثبيط الركيزة بنجاح. هذه هي المرة الأولى في العالم التي يتم فيها تطبيق تقنية إعادة البناء الرباعية الأبعاد بالذكاء الاصطناعي لتحسين الدقة التحليلية للمجهر الإلكتروني المبرد زمنياً. وقد تمكن الفريق من تحقيق مراقبة ديناميكية وظيفية على المستوى الذري لمجمعات البروتين المستهدفة المرتبطة بالأمراض الرئيسية. وقد نُشرت النتائج ذات الصلة في مجلة Nature تحت عنوان "التآزر المنظم بواسطة USP14 للبروتوزوم البشري بواسطة المجهر الإلكتروني بالتبريد الدقيق".

رابط الورقة:
https://doi.org/10.1038/s41586-022-04671-8

منذ وقت ليس ببعيد،اقترح باحثون من فريق البحث في ByteDance طريقة جديدة تسمى CryoSTAR.هذه هي الطريقة الأولى لتطبيق المسبقات النمطية للبنية الذرية للبروتين على البيانات التجريبية للمجهر الإلكتروني المبرد. ويستخدم معلومات النموذج الذري كتنظيم هيكلي لتوضيح التباين التكويني للجزيئات البيولوجية الكبيرة. يمكنه إنتاج نماذج ذات حبيبات خشنة وخرائط كثافة لإظهار التغيرات التكوينية للجزيئات على مستويات مختلفة، مما يعزز بشكل كبير إمكانات تطبيق المجهر الإلكتروني المبرد في التحليل التكويني الديناميكي. وقد تم نشر النتائج ذات الصلة في مجلة Nature Methods تحت عنوان "CryoSTAR: الاستفادة من القيود الهيكلية المسبقة والقيود لإعادة البناء غير المتجانس باستخدام المجهر الإلكتروني المبرد".

رابط الورقة:
https://www.nature.com/articles/s41592-024-02486-1

ليس هناك شك في أن الجمع بين الذكاء الاصطناعي والمجهر الإلكتروني المبرد يفتح فصلاً جديدًا في علم الأحياء البنيوي ويظهر أيضًا الإمكانات الكبيرة لتكنولوجيا الذكاء الاصطناعي في مساعدة طرق علم الأحياء البنيوي التقليدية.