来源：网络 2023-10-13 10:36

复旦大学复杂体系多尺度研究院马剑鹏教授团队在ure子刊Nature Methods上发表了题为：OPUS-DSD: deep structural disentanglement for cryo-EM single-particle analysis的研究论文。

该研究开发了一种新型计算方法 OPUS-DSD，该算法不但能够成功地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，并且高效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。

诺贝尔化学奖得主、复旦大学复杂体系多尺度研究院荣誉院长MichealLevitt教授表示，在结构生物学领域，解析生物大分子的柔性结构是一个长期目标。复旦团队开发的新算法使科研人员能通过冷冻电子显微镜看到关键的结构细节，这是以往技术无法实现的，将对生物学、化学研究和药物发现产生重要影响。

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。目前，中国具有世界上最大的冷冻电镜设备集群，然而大部分数据处理所需的软件仍依赖进口。要确立高精度结构模型，就必须发展自主、先进的冷冻电镜数据处理智能算法，从而为我国生命科学研究揭示分子生物学底层机理、重大疾病原理以及进行创新药物研发打下坚实基础。

论文第一作者罗镇威表示，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，为深度学习算法的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这一智能算法，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。图1与图2展示了两个典型结果。