首页 新闻中心 综合新闻
CoCo版本更新丨灵活衔接冷冻电镜分析流程
2026-10-12 90

冷冻电镜数据处理平台 CoCo(Cryo-EM Copilot)迎来 v0.3.2 版本更新。本次更新支持提前创建下游任务:对于无需人工审核的流程,上游任务完成后,下游任务可自动运行。新版同时支持批量操作,明确区分 DFR 与 SGD 两类三维重构入口,并新增独立的 CryoSPARC 导出任务,帮助研究者在同一项目中连续衔接颗粒处理、三维重构与后续分析。CoCo 由胡名旭团队(深圳医学科学院)维护,为冷冻电镜数据处理提供一体化网页工作台。

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

图 1|CoCo官网展示


任务衔接:提前创建下游任务,按依赖自动运行

在 v0.2.0 中,用户必须等到上游任务完成后,才能新建下游任务。CoCo v0.3.2 支持提前创建下游任务:研究者可以在上游尚未完成时配置后续分析步骤,预先组织任务之间的依赖关系。上游任务完成后,若后续环节无需人工审核(human review),下游任务即可自动运行。减少逐项等待结果、再创建任务的往返操作。已有任务及其上下游依赖继续保留在项目视图中,便于确认数据来源和回看处理过程。

图 2|建立后续任务,预先组织依赖关系

对于需要人工判断的分析环节,研究者仍可先评估上游结果、选择输出,再决定下一步处理。新版既支持提前安排明确的分析路径,也保留根据结果逐步推进的方式,使无需人工审核的步骤能够连续运行,减少任务间的手动衔接,让研究者把精力集中在结果评估和分析决策上。


批量操作:集中处理多个任务

同一项目中常会积累多组相关任务。v0.3.2 支持选中多个可见任务,集中执行当前支持的批量操作,方便研究者处理同一工作流中的多个任务。

操作过程中,界面保留相关任务及其依赖关系,便于结合上下游情况进行选择。批量提交前,请检查各任务的运行队列设置,确认其符合任务需求。


图 3|在工作流视图中选择多个任务,集中执行批量操作


三维重构:明确区分 DFR 与 SGD

新版将原有通用的 Reconstruct 入口细化为 3D Reconstruction (DFR) 和 3D Reconstruction (SGD) 两项独立选择。研究者在创建任务时即可选择对应的重构路径,并与已有的颗粒处理和算法分析流程衔接。


结果导出:独立任务衔接 CryoSPARC

Export to CryoSPARC 作为独立任务加入项目工作流,可与颗粒处理、CryoSieve、CryoPROS 及三维重构任务衔接。研究者可在项目内创建导出任务,将相关输出交由 CryoSPARC 继续处理,同时查看其上游关系,追踪数据来源与处理路径。


图 4|三维重构选项(左)与 CryoSPARC 导出入口(右)


CryoSieve|颗粒智能筛选

在单颗粒冷冻电镜分析中,最终颗粒集(final stack)的质量直接影响三维重构结果。CryoSieve 通过迭代分析,从最终颗粒集中筛选结构信息量更高的颗粒子集。相关研究表明,在测试数据集中,这一策略能够以更少的颗粒获得同等或更高分辨率的三维结构,并改善重构振幅。

在 CoCo 中,研究者可以将 CryoSieve 筛选任务与颗粒输入、后续重构和结果导出衔接,在查看筛选输出后继续推进分析,使颗粒质量优化融入已有工作流。

研究成果:A minority of final stacks yields superior amplitude in single-particle cryo-EM,发表于 Nature Communications(2023)。

开源代码:https://github.com/mxhulab/cryosieve


CryoPROS|AI 驱动的优势取向校正

优势取向会使部分投影视角的信息不足,进而影响颗粒的姿态估计和三维重构。CryoPROS 采用条件变分自编码器(Conditional VAE),生成与成像条件相匹配的辅助颗粒,并借助这些信息校正姿态估计偏差,帮助改善优势取向数据的重构结果,减少对倾斜数据采集的依赖。

在 CoCo 中,CryoPROS 按准备、训练和生成三个阶段组织任务。研究者可以结合阶段性结果衔接后续重构或导出,使优势取向校正与既有分析流程保持连贯。

研究成果:CryoPROS: Correcting misalignment caused by preferred orientation using AI-generated auxiliary particles,发表于 Nature Communications(2025)。

开源代码:https://github.com/mxhulab/cryopros


获取与使用

项目介绍、安装指南与相关算法资料详见 CoCo 官方网站。

官方网站:https://www.cocoproject.org.cn