生物大分子结构解析是基础生物科学的关键技术之一，冷冻电镜是其中非常重要的一种研究手段。
北京时间10月9日晚，复旦大学复杂体系多尺度研究院马剑鹏教授团队在先进智能算法上取得突破，开发新型计算方法OPUS-DSD，相关成果以“OPUS-DSD: deep structural disentanglement for cryo-EM single-particle analysis”为题，刊发于Nature Methods（《自然-方法》）。
该算法不但能成功解析冷冻电子显微镜（Cryo-EM）结构解析技术中因传统方法无法分辨而缺损的生物大分子（比如蛋白质、核酸或蛋白质/核酸复合物等）结构，并且能高效精准地分辨出柔性结构域在受测样品中的构象分布。这一新方法能有效建立高精度的生物大分子结构模型，帮助解决药物设计中因目标蛋白结构不准而导致的新药研发失败问题。
研究人员介绍，生物大分子的许多重要功能是通过其高度的柔性特质来完成的，但柔性也是负面影响结构测定精度的主要因素。在处理冷冻电镜数据的过程中，生物大分子结构柔性引起的构象多样性使得从单个样本中获取精确的三维模型充满挑战，同时，由于冷冻电镜实验数据的信噪比通常极低，为深度学习算法在该领域的运用带来了巨大困难。
如何克服冷冻电镜数据中生物大分子结构的柔性、尤其是超大型复合物的柔性对结构测定精度带来的误差，是当前全球结构生物学研究的重点和难点，也是亟待打破的“瓶颈”。
复旦大学最新开发的智能算法，成功地攻克了以上难题。研究团队推出了一种基于深度学习的计算方法，可有效地识别和处理生物大分子的柔性信息，从而提高冷冻电镜的解析能力，并获取三维结构的动态变化信息。OPUS-DSD具有卓越的数据处理能力和鲁棒性，能在更低信噪比的数据上保持较高的解析准确性。此外，它不仅仅局限于单颗粒冷冻电镜技术，也可推广到更高端更低信噪比的冷冻断层扫描电镜（Cryo-ET）的研究中。
研究团队的这一成果不仅对冷冻电镜生物大分子结构解析技术带来深远影响，也展示了自主开发国际领先算法软件的实力，更在如今计算机硬件设备采购受限的形势下体现了“算力不足，算法来补”的重要意义。
算法在GitHub开源，地址为：https://github.com/alncat/opusDSD
论文链接：
https://www.nature.com/articles/41592-023-02031-6
