冷凍電子顯微鏡現在是確定蛋白質結構的最流行的方法，這有助于研究人員為不同種類的疾病開發藥物。在過去的幾十年里，它已經取代了X射線晶體學，因為它可以成像不易形成大晶體的蛋白質。這項新技術非常具有革命性，它為開發商贏得了2017年諾貝爾化學獎。

cryo-EM的最終產品是生物分子中原子密度的圖，但為了達到研究人員所需的細節水平，他們需要進行進一步的分析。“ 自然方法 ”雜志上的一項新研究概述了一種將低分辨率地圖提高到標準的技術。

研究人員用來做這個的方法取決于他們開始的細節水平。2至3ångström(Å，用于表示原子和分子大小的長度單位)的地圖通常被認為是高分辨率的。然而，這種質量的圖很難實現，并且許多仍然通常在4到10埃的范圍內生產。在2016-18期間沉積到電子顯微鏡數據庫的所有蛋白質中，超過50%以中等分辨率解析。

“如果分辨率優于3，那么常規工具可以追蹤氨基酸位置并建立原子位置圖。但是經常冷凍EM不能給你3Å地圖，”生物科學和計算機教授Daisuke Kihara說。普渡大學的科學。“在5Å或更低的地圖中，你通常根本看不到鏈條連接。”

蛋白質實際上是氨基酸鏈，氨基和羧基之間的鍵合有時會產生某些折疊模式。這些模式稱為α螺旋和β鏈，形成蛋白質的二級結構。

在5到8Å的地圖中，蛋白質二級結構的一些片段通常是可見的，但追蹤整個鏈條將非常困難。Kihara的新方法，即Emap2sec，揭示了地圖中從6到10的二級結構。

Emap2sec在其算法的核心有一個深度卷積神經網絡。這些網絡是深度學習系統，主要用于對圖像進行分類，通過相似性對它們進行聚類并執行對象識別。它適用于三維地圖中的蛋白質結構識別，因為當信息通過神經網絡層時，該方法將局部地圖密度特征“卷積”到更大區域的圖像。局部預測是在地圖的大區域的背景下進行的。

三維圖中識別出的二級結構有助于研究人員將已經解析過的已知蛋白質結構分配到地圖中。這意味著他們有時會有一個起點，或者至少是一些結構看起來像什么的線索。Emap2sec可以幫助研究人員更快速，更輕松地將他們的作品融入到拼圖中。已識別的結構信息也可能有助于在結構建模中發現錯誤。