近日，实验室在《IEEE神经网络与学习系统汇刊》（IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS）上在线发表了题为“Machine Learning for Structure Determination in Single-Particle Cryo-Electron Microscopy: A Systematic Review”的系统性综述。该综述以基于单颗粒冷冻电镜图像的生物大分子三维结构高分辨解析为对象，系统性总结了机器学习这一重要的人工智能方法学在该领域的研究进展、面临的瓶颈和未来发展方向。这是实验室近年来在人工智能与疫苗研发的交叉学科领域开展探索以来所取得的新成果，为信息学、生物学等多个相关学科领域的研究人员全面系统了解该交叉研究方向提供了重要参考。

结构生物学能够揭示生命现象背后的复杂机制，已成为药物设计、疫苗开发和蛋白质分子性能改造等应用领域的重要研究基础。单颗粒冷冻电镜技术是获得生物大分子结构的关键技术之一。该技术因样品需求量少、不需要结晶、应用范围广等优势，成为获取近原子分辨率三维结构的主要手段，是当前结构生物学的研究热点。

单颗粒技术为结构解析带来新思路的同时，也存在着许多研究难点。首先是样品的异质性问题，分为成分异质性（component heterogeneity）和构象异质性（conformation heterogeneity）。其次是电镜成像方法引入的难点，包括低信噪比、样品漂移以及衬度传递函数（CTF）噪声。由于以上种种困难，使得基于单颗粒技术的生物大分子结构三维重构对计算机算法提出了很高的要求。

机器学习的引入为这些技术需求与难点提供了新的解决方案。自上世纪80年代以来，大量机器学习算法被引入SPA的图像处理中，如数据降维、聚类、神经网络、随机优化算法等，都成为了单颗粒技术的重要支撑。这些算法引入到电镜领域后更加充分发挥出了电镜图像的潜力，不仅增强图像质量，提高了重构的效率和准确率，还使得生物大分子的结构解析越来越方便快捷。

随后，该综述以电镜图像处理流程为顺序，从数据预处理、颗粒挑选、二维聚类、三维重构等步骤深入介绍了机器学习算法在单颗粒冷冻电镜三维重构中的应用,并指出基于单颗粒技术的生物大分子结构三维重构技术未来在提升图像质量、分类/聚类算法的优化、计算效率提升、泛用性测试数据集的发布上仍有很大的进步空间。

实验室硕士研究生吴佳耕为该论文第一作者。夏宁邵教授、侯增广研究员（中国科学院自动化所）和张东旭助理教授为该论文的共同通讯作者。

论文链接：https://ieeexplore.ieee.org/document/9657494