← 返回首頁

讓蛋白質影像少走重複路:cryoPARES加速冷凍電顯藥物研究

同一種蛋白質換上不同小分子,結構分析往往仍得重新對齊影像。cryoPARES把既有實驗的對齊成果用於新樣本,在四種蛋白質、七個配體結合複合體中展示加速重建的可行性。

By SURL BioNews

藥物研究人員想知道一個小分子如何嵌入蛋白質,常得先等待大量顯微影像拼成立體結構。當研究對象是同一種蛋白質與一連串不同分子的組合,這段等待便會反覆出現。新方法cryoPARES試圖讓前一次實驗留下的資訊,成為下一次分析的捷徑,讓結構回饋更快進入分子設計流程。

11月18日刊於《Nature Communications》的研究,提出以監督式深度學習加速冷凍電子顯微鏡(cryo-EM)影像對齊。論文已通過同儕審查,目前為提前公開的接受版本,仍待最終編修。這項工作的核心,是重用既有粒子影像的方向資訊,減少相似樣本每次都從頭計算的負擔。

冷凍電顯取得的是分子朝向各異的二維投影;要重建三維結構,必須先判定影像中的分子朝向。依作者維護的程式庫說明,cryoPARES先使用傳統方法完成對齊的高品質參考資料訓練模型,再為相同或非常相近的分子影像指派方向,例如同一蛋白質結合不同配體的樣本。既有實驗因此不只留下結構,也提供後續分析可沿用的經驗。

研究團隊以四種蛋白質標的、共七個配體結合複合體,展示快速結構解析的可行性。IE University的研究介紹也列出這項驗證,並指出團隊公開了三組片段小分子結合的冷凍電顯資料集。這讓方法的評估有了實驗樣本作依據,也為其他研究者比較分析流程提供材料。

加速之外,cryoPARES也試圖減少人工篩選。校方介紹指出,系統能自動剔除粒子;程式庫則提供依信心分數過濾、局部方向精修、三維重建與圖譜銳化等工具。它另有持續接收新粒子資料的背景處理模式,支援在資料收集期間進行分析,朝接近即時的結構回饋推進。

這套策略有明確的適用前提:新舊樣本必須足夠相似,才能合理沿用模型學到的影像特徵。因此,七個複合體的成果支持的是相關樣本之間的加速流程,不能直接推論模型能處理所有陌生蛋白質或大幅改變的構形。「接近即時」也指向重建分析的回饋能力,不能等同從樣本製備到確認藥物結合方式,整段實驗都能即刻完成。

對結構導向藥物探索而言,這項進展的實際價值,是讓研究團隊有機會更早比較不同分子的結合情形,再決定下一輪如何修改化合物。不過,更快取得結構仍只是研發鏈的一環;分子是否具有足夠活性、選擇性與安全性,還需要各自的實驗證據。cryoPARES展示的是縮短結構分析等待的路徑,尚未證明能提高候選藥物的臨床成功率。

References

  1. Nature Communications
  2. IE University — IE Intelligent Systems
  3. cryoPARES author-maintained GitHub repository