Zurück zu Bigger Picture

BIGGER PICTURE Wissenschaft & Entdeckung

Der seltene Proteinaufbau, der im Durchschnitt verschwindet

Proteine bewegen sich und setzen sich auf unterschiedliche Weise zusammen. CryoDRGN machte diese Vielfalt in Mikroskopaufnahmen sichtbar, darunter eine seltene Ribosomenstruktur mit unerwarteter Reihenfolge beim Aufbau.

KI-generierte Illustration: Mehrere mögliche Molekülformen, darunter eine hervorgehobene seltene Form.
Mehrere mögliche Molekülformen, darunter eine hervorgehobene seltene Form. Konzeptionelle Illustration; kein Foto und keine exakte Darstellung des realen Projekts.KI-generierte Illustration der Idee, keine Aufnahme der tatsächlichen Personen, Geräte oder Ereignisse.
Überraschende Beobachtung
Seltener Aufbauzustand bei etwa 1 % der Ribosomen
Ausgangsmaterial
Experimentelle 2D-Kryo-EM-Aufnahmen
Ergebnis
Mehrere 3D-Formen aus einem Datensatz

So funktioniert die Idee

  1. Gefrorene Molekülansichten aufnehmen

    Kryo-EM liefert Messbilder vieler Teilchen.

  2. Strukturelle Vielfalt trennen

    Ein neuronales Modell beschreibt ein Kontinuum von 3D-Zuständen.

  3. Seltene Aufbauten untersuchen

    Biologen prüfen Minderheitszustände und deren Interpretation.

Eine Zellmaschine nimmt einen unerwarteten Weg

Ribosomen stellen Proteine her, und ihr eigener Aufbau ist ein komplexes Bauprojekt. Mit cryoDRGN fanden MIT-Forschende eine kleine Gruppe, in der ein gewöhnlich spät ergänzter Bestandteil erschien, bevor das übliche Fundament fertig war. Sie machte ungefähr ein Prozent der untersuchten Ribosomen aus: ein Detail, das eine dominante Durchschnittsstruktur verdecken kann.

Belege: [1]

Gefrorene Momentaufnahmen zeigen verschiedene Formen

Kryo-Elektronenmikroskopie liefert viele verrauschte zweidimensionale Ansichten eingefrorener Moleküle. Herkömmliche Rekonstruktion funktioniert besonders gut bei stabilen, ähnlichen Strukturen. Schwieriger wird es bei beweglichen Teilen oder verschiedenen Aufbaustadien. Alle Bilder als ein einziges Objekt zu behandeln kann genau jene Unterschiede verlieren, die Forschende verstehen möchten.

Belege: [2][3]

Eine Landschaft molekularer Zustände lernen

CryoDRGN nutzt eine neuronale Darstellung, um eine Verteilung dreidimensionaler Dichtekarten zu rekonstruieren. Forschende können Gruppen untersuchen, repräsentative Strukturen erzeugen und Übergänge zwischen Formen erkunden. Die Publikation zeigte Unterschiede in Ribosomen- und RAG-Komplex-Daten sowie große Formänderungen eines Spleißosoms. Grundlage sind Messbilder, nicht allein die Proteinsequenz.

Belege: [2][3]

Ein besseres wissenschaftliches Instrument

Der unmittelbare Nutzen sind reichhaltigere Strukturbelege für die Biologie und offen veröffentlichte Software. Die Ergebnisse sind weder ein gefilmter Bewegungsablauf eines einzelnen Moleküls noch ein nachgewiesenes neues Medikament. Die anregende Idee lautet: In vorhandenen Daten nach bedeutsamen Minderheitszuständen suchen, statt jede Beobachtung in einen einzigen Durchschnitt zu zwingen.

Belege: [2]

Die Originalquellen

  1. MIT NewsMachine-learning model helps determine protein structures
  2. Zhong and colleagues / MIT repositoryCryoDRGN: reconstruction of heterogeneous cryo-EM structures using neural networks
  3. Zhong and colleagues, ICLRReconstructing continuous distributions of 3D protein structure from cryo-EM images

Was Sie als Nächstes entdecken können

Ein Neutrino in einem Detektor voller ähnlicher Spuren findenVon Tausenden Möglichkeiten im Genom zu wenigen prüfbaren Genen
Alle 99 Anwendungen entdecken