研究人员开发了用于深度学习电子断层扫描各向同性重建的软件包

在NatureCommunication上发表的一项研究中，由中国科学技术大学(USTC)和中国科学院深圳先进技术研究所(CAS)的毕国强教授领导的团队与来自美国的合作者一起,开发了一个名为IsoNet的软件包，用于低温电子断层扫描(cryoET)中的各向同性重建。他们的工作有效地解决了cryoET中固有的“缺失楔形”问题和低信噪比问题。

在使用CryoET进行细胞结构可视化时，由固有的“缺失楔形”问题引起的各向异性分辨率长期以来一直是一个挑战。为了解决这个问题，该团队开发了IsoNet，这是一个基于迭代自监督深度学习人工神经网络的软件包。

使用旋转的cryoET断层扫描3D重建数据作为训练集，他们的算法能够对cryoET数据执行缺失边缘校正。同时，向IsoNet添加去噪过程，允许人工神经网络同时恢复丢失的信息和去噪层析3D数据。

通过对脱铁铁蛋白和核糖体的模拟子断层图进行IsoNet重建，该团队获得了与低分辨率原子模型相当的结果。还对未成熟的HIV衣壳、鞭毛旁杆和培养细胞的神经元突触的断层扫描3D数据进行了重建，所有这些都产生了令人印象深刻的结果。

值得注意的是，在使用IsoNet重建神经元突触的断层图后，通常包含大量蛋白质、膜细胞器、细胞骨架等复杂结构，囊泡、线粒体、微管、微丝、细胞的断层3D信息膜和蛋白质复合物都得到了很好的恢复。

IsoNet发布后引起了很多讨论，其中一个重要的讨论是IsoNet如何实现missing-wedgecorrection。一个主要的推导是神经网络在训练过程中可以学习到3D空间不同角度的蛋白质等生物结构的特征，并将这些信息补充到缺失的楔形方向，类似于单粒子冷冻电子显微镜的3D平均.

因此，通过不断优化神经网络结构和扩大训练集，IsoNet将能够恢复细胞内每个蛋白质分子的高分辨率3D结构信息，从而为高分辨率3D结构的可视化打下坚实的基础以及每个蛋白质分子的原位分布。

据专家DimitryTegunov等专家介绍，IsoNet的概念将是cryoET未来的发展方向。