冷冻电子显微镜（cryogenic electron microscopy，cryo-EM）是确定生物大分子近原子分辨率结构广泛使用的技术。由于在cryo-EM中研究的生物大分子样本对电子辐射高度敏感，研究人员在提高信噪比(siqnal-noise ratio，SNR)与减少辐射损伤（radiationdamage）之间必须权衡。这一物理限制导致研究人员无法从单个生物大分子图像获取原子级分辨率的三维结构。因此，通过平均多个相同生物大分子的图像数据来增加信噪比，成为了唯一的可行方法。
二十多年前，2017年诺贝尔化学奖得主Richard Henderson就已经估计：即使对于分子量只有40kDa的生物大分子，也可以通过平均大约12,000个单颗粒图像，来确定接近3埃分辨率的结构。他与Peter Rosenthal还提出了一种计算理论极限的方法：利用电镜系统的温度因子（temperature factor）来计算达到特定分辨率所需的理论最少单颗粒图像数。
https://www.nature.com/articles/s41467-023-43555-x
2023年12月10日，胡名旭特聘研究员及合作者包承龙助理教授、史作强教授在《自然·通讯》（Nature Communications）杂志上共同发表了题为 A minority of final stacks yields superior amplitude in single-particle cryo-EM 的研究论文（DOI: 10.1038/s41467-023-43555-x），介绍了他们开发的新型迭代单颗粒筛选方法CryoSieve，揭示了在cryo-EM的最终颗粒集中，少量颗粒便能产生更优的振幅。研究显示，目前数据集的final stack中大多数颗粒是非必需的，仅需20.1%至32.8%的颗粒就能重构出接近或更高分辨率的三维结构。这一结果为理解和优化cryo-EM数据集提供了新的视角。
图1. CryoSieve 能够去除最终颗粒集中的大部分颗粒并保持分辨率
同时，作者发现，表明CryoSieve能显著降低重构密度图的Rosenthal-Henderson B factor能有效减缓生物大分子结构密度在傅立叶域的振幅衰减。这也证明了CryoSieve能够有效识别出对重构密度图具有实质影响的少数关键颗粒。
图2. CryoSieve筛选后的颗粒（蓝色）重构的密度在 Rosenthal-Henderson B-factor 的意义下优于所有颗粒（紫色）重构的密度图
此外，通过处理吸收了不同电子剂量的cryo-EM单颗粒数据，作者观察到CryoSieve能够优先淘汰受辐射损伤的颗粒，且相较于其他颗粒排序和筛选算法，实现了更优的重构分辨率。研究团队还在InSilicoTEM生成的模拟辐照损伤颗粒数据集、模拟角度、平移以及CTF（对比传递函数）参数错误的模拟数据集上验证了CryoSieve的筛选效果，发现其筛选准确率超过90%。这些结果进一步证实了CryoSieve作为一种有效筛选工具的可靠性和高效性。
图3. CryoSieve优先去除受辐射损伤的颗粒
在研究团队测试的8套数据集中，有3个数据集（pfCRT、TSHR-Gs和apoferritin）经过CryoSieve的筛选后，颗粒数接近于Henderson和Rosenthal提出的理论极限。这表明，在这些数据集中，通过提升样品制备方式来增加最终颗粒中起作用颗粒的比例，可以有效提高cryo-EM的潜力。
综上，本文介绍了CryoSieve，这是一种创新的迭代单颗粒筛选算法，能够准确识别出构建高分辨率密度图所需的最小颗粒子集。CryoSieve在多个评估指标上均明显优于其他颗粒排序算法，并揭示了在最终颗粒集中，绝大多数颗粒实际上是不必要的。CryoSieve筛选出的颗粒能够用更少的数量生成具有更优高分辨率振幅的三维密度图。通过在不同电子剂量水平的颗粒数据集上进行的实验，CryoSieve展示了其在有效去除受辐射损伤颗粒方面的显著能力。进一步地，将理论上所需的最小颗粒数与CryoSieve筛选后得到的最小子集大小相比较，结果表明CryoSieve筛选后的某些数据集已接近于理论上的极限。这一发现为冷冻电镜技术领域的进一步研究和发展奠定了重要的基础。
CryoSieve作为一款开源软件，现已提供在GitHub平台下载（https://github.com/mxhulab/cryosieve）。为方便用户，其主页上还提供了详细的使用教程。此外，为了进一步支持科学研究，论文中使用的数据集及运行CryoSieve后的预期输出结果也已经上传至GitHub，用户可以通过CryoSieve的主页进行访问和下载，以便于在自己的研究中应用和参考。
