（文章來源：教育新聞網）

密歇根大學生命科學研究所的科學家創造了一種新的數據處理方法，為通過低溫電子顯微鏡儀器生成的數據提供了一條更簡單，更快速的途徑，從而消除了廣泛采用這種強大技術的障礙。Cryo-EM使科學家能夠確定已經在冰薄層中速凍的細胞蛋白質和其他分子的3D形狀。先進的顯微鏡可在冰層上發射高能電子，同時捕獲數千個視頻。然后將這些視頻取平均值，以創建分子的3D結構。

通過發現這些分子的精確結構，研究人員可以回答有關該分子如何在細胞中起作用以及它們如何對人類健康和疾病做出貢獻的重要問題。例如，研究人員最近使用cryo-EM揭示了COVID-19病毒上的蛋白質尖峰如何使其進入宿主細胞。

低溫電磁技術的最新進展已迅速向新用戶開放該領域，并提高了收集數據的速度。盡管有這些改進，但是，研究人員在利用該技術的全部潛力方面仍然面臨巨大障礙：復雜的數據處理環境需要將顯微鏡的TB級數據轉換為3D結構以備分析。

在研究人員可以開始分析他們要研究的3D結構之前，他們必須完成一系列預處理步驟和主觀決定。目前，這些步驟必須在人類的監督下進行-而且由于研究人員使用cryo-EM分析多種分子類型，因此科學家認為幾乎不可能創建所有研究人員都可以遵循的通用指導原則， LSI的Willis生命科學研究員Li Yilai領導了新程序的開發。

他說：“如果我們能為這些預處理步驟創建一條自動化的管道，那么整個過程可能會更加人性化，尤其是對于那些剛進入該領域的新手來說。”Li和他的同事在LSI助理教授Michael Cianfrocco的實驗室中使用機器學習開發了這樣的管道。該程序于4月14日在《結構》雜志上發表，作為研究的一部分。

新程序將幾個深度學習和圖像分析工具與預先存在的軟件數據預處理算法相連接，以將龐大的數據集縮小到研究人員開始進行分析所需的信息。

UM醫學院的生物化學助理教授Cianfrocco表示：“該渠道吸收了經驗豐富的用戶所獲得的知識，并將其納入一個程序中，以提高用戶在各種背景下的可訪問性。”“它確實簡化了過程階段，以便研究人員可以進入并專注于重要的方面：他們想問和回答的科學問題。”
（責任編輯：fqj）