冷冻电镜（cryo-EM）已成为结构生物学研究中广泛使用的技术手段。近年来涌现的一系列创新算法模块在颗粒挑选、二维分类、三维重构等环节展现出良好性能，但它们通常以命令行形式发布，缺少统一、易用的网页端入口。随之而来的，是软件生态分散性的不断叠加：不同程序采用各自的数据格式、参数体系和操作逻辑，研究者需要在多个工具之间反复切换，流程衔接成本较高。以上不便，客观上限制了不同软件在一线实验室中的推广与使用。

针对上述痛点，胡名旭团队开发了冷冻电镜一体化数据处理平台 CoCo（Cryo-EM Copilot）。

CoCo 官方网站：https://www.cocoproject.org.cn

CoCo 统一工作台界面

CoCo 的设计理念

CoCo 的核心定位是冷冻电镜工作流的 "副驾驶"（Copilot）。其设计遵循 "一个工作台（Hub），多个分析模块" 的架构：

·研究者以 CoCo 网页端为统一入口，在此完成项目管理与工作上下文准备

·再根据任务需求分流至不同算法模块进行分析

·最终将结果无缝返回至原有的冷冻电镜工作流

CoCo 不与现有软件对立，而是在原有流程之上叠加一层操作层——实现与 RELION、cryoSPARC 等主流软件的数据格式互通与工作流兼容，同时将团队自主开发的算法模块封装为标准化插件。

当前版本为 CoCo v0.1.0。一次下载，即可使用全部已集成模块，无需单独安装 CryoSieve、CryoPROS 等工具。

CoCo 设计理念展示

首批集成模块

目前，CoCo 首批集成两个能力模块：

CryoSieve —— 颗粒智能筛选

在冷冻电镜单颗粒分析中，最终颗粒集（final stack）的质量直接影响三维重构的分辨率。CryoSieve 能够在最终颗粒集中迭代筛选出最具结构信息量的颗粒子集。实验表明，仅需 20.1%～32.8% 的颗粒即可获得同等或更高分辨率的三维结构，以更少的颗粒数量获得更优的重构振幅，帮助研究者逼近冷冻电镜重构所需的最少颗粒数量极限。

研究成果："A minority of final stacks yields superior amplitude in single-particle cryo-EM"，发表于Nature Communications（2023），入选该期刊2023年度最受欢迎物理学论文 Top 25 榜单。使用教程发表于Journal of Visualized Experiments（JoVE，2024）

实验表明，CryoSieve 能够优先去除受辐射损伤更严重的颗粒，在模拟数据集上的筛选正确率超过90%。在测试的 8 套数据集中，有 3 套（pfCRT、TSHR-Gs 和 apoferritin）经 CryoSieve 筛选后，所需颗粒数接近 2017 年诺贝尔化学奖得主 Richard Henderson 提出的冷冻电镜重构理论极限。

开源代码已发布于 GitHub：https://github.com/mxhulab/cryosieve

CryoPROS —— AI 驱动的优势取向校正

优势取向（Preferred Orientation） 是单颗粒冷冻电镜中的经典难题：当颗粒在冰层中非随机分布时，某些视角的投影信息严重缺失，导致三维重构中出现显著的对齐误差，阻碍分辨率提升。据统计，超过 70% 的冷冻电镜数据集存在视角分布不均问题，传统方案如倾斜数据采集效率低且需复杂参数校正。

CryoPROS 创新性地采用深度学习策略，通过训练人工智能生成辅助性虚拟颗粒，补全缺失视角的投影信息，从而有效矫正由优势取向引起的姿态估计偏差。该工作是首次将 AI 生成颗粒与冷冻电镜单颗粒分析相结合的尝试。CryoPROS 采用条件变分自编码器（Conditional VAE），以成像参数（CTF、位姿、参考模型）为条件，生成与真实颗粒噪声特性高度匹配的辅助颗粒，从算法层面破解位姿偏差，无需依赖倾斜样品台采集。

研究成果："CryoPROS: Correcting misalignment caused by preferred orientation using AI-generated auxiliary particles"， 发表于Nature Communications（2025）。该工作首次将 AI 生成颗粒与冷冻电镜单颗粒分析相结合，为解决优势取向难题开辟了新范式。

在冷冻电镜领域广泛接受的优势取向基准数据集 untitled HA-trimer（EMPIAR-10096）上，CryoPROS 仅使用非倾斜数据即达到3.49 Å的分辨率。此前研究人员长期认为，必须通过倾斜样品台采集（采集效率降低约一个数量级）、三维分类、逐颗粒 CTF 修正及颗粒抛光等繁琐步骤才能实现同等分辨率。CryoPROS 将严重位姿错误（MSE>13）比例从 14.85% 降至 1.27%，对齐误差降低约 10 倍。

在膜蛋白 NaX 数据集上，CryoPROS 实现4.32 Å分辨率。此外，CryoPROS 通过改善颗粒角度估计，使动态复合体的异质性分析成为可能，为冷冻电镜高难度样本的结构解析提供了通用解决方案。

CryoPROS 开源代码已发布于 GitHub：https://github.com/mxhulab/cryopros

CoCo 各模块概览

安装与使用

CoCo 当前发布版本为 v0.1.0，运行环境要求 Java 8 或以上版本。

·安装 CoCo 托管运行时（managed runtime）后即可使用 CryoSieve 与 CryoPROS 模块

·如需调用 RELION 或 cryoSPARC 的相关作业路径，则需在 CoCo 中完成对应配置

完整安装指南详见官方网站。

获取方式

CoCo 为网页端工具，面向全球结构生物学研究者免费开放使用。[https://www.cocoproject.org.cn]

作者与致谢

CoCo 由胡名旭团队（深圳医学科学院）开发并维护。项目秉持开放科学理念，欢迎社区贡献与反馈。

相关研究成果

1. Zhu, J., Zhang, Q., Zhang, H., Shi, Z., Hu, M., Bao, C. "A minority of final stacks yields superior amplitude in single-particle cryo-EM." Nature Communications, 2023.

2. Zhang, H., et al. "CryoPROS: Correcting misalignment caused by preferred orientation using AI-generated auxiliary particles." Nature Communications, 2025.