施一公等团队登Science封面:AI与冷冻电镜揭示「原子级」NPC结构,生命科学突破

简介: 施一公等团队登Science封面:AI与冷冻电镜揭示「原子级」NPC结构,生命科学突破

开始正文之前,我们先来看一张图片,在下图中,很明显可以看出,图的右半部分所代表的信息更加丰富,结构也更清晰。而左半部分 2016 年的图,则结构较为单一,代表的信息比较少:

其实上面展示的是核孔复合体(NPC)图像。核孔复合体,由约 1000 个蛋白质亚基组成,担负着真核生物细胞核与细胞质之间繁忙的运输大分子的任务,也是其连接胞质和细胞核的唯一双向通道。除了协调运输外,NPC 还组织必要的转录、mRNA 成熟、剪接体和核糖体组装等重要生命活动。NPC 强大的作用,已然成为疾病突变和宿主 - 病原体相互作用的关键点。

得益于低分辨率下全核孔结构以及高分辨率下核孔组成结构技术的发展,细胞核孔受到越来越多的关注。然而,利用这些信息正确组装 30 多种不同蛋白质副本,并构建高分辨率的三维结构,一直是一项艰巨的挑战。

今天,《Science》杂志以封面专题形式发表了 5 篇论文,其中 3 篇论文共同揭开了人类核孔复合体的近原子分辨率冷冻电镜结构,另外两项研究通过非洲爪蟾呈现了脊椎动物核孔复合体的单颗粒冷冻电镜图像。这篇封面文章将多项研究成果拼接在一起,形成的人类 NPC 图像接近原子级。


论文地址:https://www.science.org/doi/pdf/10.1126/science.add2210

这一研究成果建立在多项研究之上,包括数十年的生物化学重建、X 射线晶体学、质谱学、诱变和细胞生物学等。使用大幅度改进的冷冻电子断层扫描重建人类 NPC,并用人工智能技术精确建模组件。还有其他研究提高了单粒子冷冻电镜的分辨率,使脊椎动物 NPC 的二级结构元素和残基水平细节的可视化成为可能。分子组合丰富了我们对脊椎动物和人类 NPC 构建的理解——从旧的核支架到将各个部分连接在一起的连接蛋白,以及从核膜锚定到中央运输通道上方的细胞质丝。

这里报告的研究成果,代表了实验结构生物学与人工智能的合作共赢,是人类探索生物微观世界的又一次胜利。另外,也证明了正在进行的分辨率革命,在我们寻求了解大分子组件的构造和设计原理方面,具有不可替代地作用。

下图为 2022 年人类核孔复合体的横截面视图,新解析的成分包括对称核心(橙色)和细胞质细丝(黄色):

五篇研究论文

论文 1:《Architecture of the cytoplasmic face of the nuclear pore》


论文地址:https://www.science.org/doi/10.1126/science.abm9129

核孔复合体(NPC)是核质转运的唯一双向通道。尽管最近在阐明 NPC 对称核心结构方面取得了一些进展,但对于 mRNA 输出和核孔蛋白相关疾病的热点来说,不对称分布的细胞质表面仍然难以捉摸。

加州理工学院等机构的研究者报告了通过结合生化重建、晶体结构测定、冷冻电子断层扫描重建和生理验证而获得的人类细胞质面的复合结构。虽然物种特异性基序在中央转运通道上方锚定了一个进化上保守、约 540 千道尔顿(kilodalton)异六聚体细胞质细丝核孔蛋白复合体,但 NUP358 五聚体束的附着取决于外套核孔蛋白复合体的双环排列。他们揭示的复合结构及其预测能力为阐明 mRNA 输出和核孔蛋白疾病的分子基提供了丰富的基础。

人类 NPC 的细胞质面。

论文 2:《Architecture of the linker-scaffold in the nuclear pore》


论文地址:https://www.science.org/doi/10.1126/science.abm9798

尽管人们已经可以确定 NPC 对称核心中结构化支架核孔蛋白的排列,但它们通过多价非结构化接头核孔蛋白的内聚性仍然难以捉摸。

通过结合生化重建、高分辨率结构测定、冷冻电子断层扫描重建和生理验证,加州理工学院的研究者阐明了进化上保守的接头支架结构,产生了人类 NPC 的约 64 兆道尔顿(megadalton)对称的近原子复合结构核。虽然接头通常起刚性作用,但 NPC 的接头支架为其中央转运通道的可逆收缩和扩张以及横向通道的出现提供了必要的可塑性和稳健性。他们的结果大大推进了 NPC 对称核心的结构表征,为未来的功能研究打下了基础。

人类 NPC 对称核心的接头支架结构。

论文 3:《AI-based structure prediction empowers integrative structural analysis of human nuclear pores》


论文地址:https://www.science.org/doi/10.1126/science.abm9506

虽然核孔复合体(NPC)介导核质转运,它们错综复杂的 120 兆道尔顿架构仍未完全得到了解。马克斯 · 普朗克生物物理研究所等机构的研究者报告了具有显式膜和多构象状态的人类 NPC 支架的 70 兆道尔顿模型。

他们将基于 AI 的结构预测与原位和细胞冷冻电子断层扫描、综合建模相结合。结果表明,接头核孔蛋白在亚复合体内和亚复合体之间组织支架,以建立高阶结构。微秒长的分子动力学模拟表明,支架不需要稳定内外核膜融合,而是扩大中心孔。他们举例阐释了如何将基于 AI 的建模与原位结构生物学相结合,以了解跨空间组织级别的亚细胞结构。

人类 NPC 支架架构的 70 兆道尔顿模型。

论文 4:《Structure of the cytoplasmic ring of the Xenopus laevis nuclear pore complex》


论文地址:https://www.science.org/doi/10.1126/science.abl8280

西湖大学和清华大学以 3.7-4.7 埃(angstrom)的分辨率对非洲爪蟾 NPC 的细胞质环亚基进行单粒子冷冻电子显微镜重建。其中,Nup358 的氨基末端域的结构被解析为 3.0 埃,这有助于识别每个细胞质环亚基中的五个 Nup358 分子。

研究者最终的细胞质环亚基模型包括五个 Nup358、两个 Nup205 和两个 Nup93 分子,以及两个先前表征的 Y 复合体。Nup160 的羧基末端片段充当每个 Y 复合体顶点的组织中心。结构分析揭示了 Nup93、Nup205 和 Nup358 如何促进和加强主要由两层 Y 复合体形成的细胞质环支架的组装。

非洲爪蟾 NPC 双层细胞质环的 Cryo-EM 结构。

论文 5:《Structure of cytoplasmic ring of nuclear pore complex by integrative cryo-EM and AlphaFold》


论文地址:https://www.science.org/doi/10.1126/science.abm9326

哈佛医学院等机构的研究者使用单粒子冷冻电子显微镜和 AlphaFold 预测,从非洲爪蟾卵母细胞中确定了近乎完整的 NPC 细胞质环结构。具体地,他们使用 AlphaFold 预测核孔蛋白的结构,并使用突出的二级结构密度作为指导来适应中等分辨率的地图。

此外,某些分子相互作用通过使用 AlphaFold 的复杂预测进一步得到建立或确认。研究者确定了五份 Nup358 的结合模式,它是最大的 NPC 亚基,具有用于转运的 Phe-Gly 重复序列。他们预测 Nup358 包含一个卷曲螺旋结构域,可以提供活性以帮助它在一定条件下作为 NPC 形成的成核中心。

非洲爪蟾 NPC 细胞质环的 Cryo-EM 结构。

相关文章
|
28天前
|
机器学习/深度学习 网络架构 人工智能
AI - MoE(Mixture-of-Experts)结构
AI - MoE(Mixture-of-Experts)结构
35 1
|
2月前
|
存储 SQL 人工智能
新年将至,为大家推荐一款开源AI红包封面制作神器AiCover!
新年将至,为大家推荐一款开源AI红包封面制作神器AiCover!
|
2月前
|
人工智能 安全 测试技术
Inflection AI团队仅70人,Pi每日聊天消息数超40亿
【2月更文挑战第24天】Inflection AI团队仅70人,Pi每日聊天消息数超40亿
41 3
Inflection AI团队仅70人,Pi每日聊天消息数超40亿
|
6月前
|
人工智能 程序员 测试技术
AI与Prompt:解锁软件开发团队的魔法咒语,在复杂任务上生成正确率更高的代码
AI与Prompt:解锁软件开发团队的魔法咒语,在复杂任务上生成正确率更高的代码
89 0
|
24天前
|
机器学习/深度学习 人工智能 算法
从300亿分子中筛出6款,结构新且易合成,斯坦福抗生素设计AI模型登Nature子刊
【4月更文挑战第12天】斯坦福大学研究团队在Nature子刊发表论文,展示人工智能如何从300亿个分子中筛选出6种新型抗生素候选分子,为抗药性问题提供新解决方案。利用深度学习算法,AI模型考虑化学结构及合成可行性,发现独特化合物,加速药物研发。然而,成功应用还需临床试验验证及克服安全性和耐药性挑战。AI技术在药物设计中的角色引起关注,强调平衡使用与基础科学研究的重要性。
13 1
从300亿分子中筛出6款,结构新且易合成,斯坦福抗生素设计AI模型登Nature子刊
|
12天前
|
人工智能 决策智能
【AI Agent系列】【阿里AgentScope框架】3. 深入源码:Pipeline模块如何组织多智能体间的数据流?- 顺序结构与条件分支
【AI Agent系列】【阿里AgentScope框架】3. 深入源码:Pipeline模块如何组织多智能体间的数据流?- 顺序结构与条件分支
31 2
|
12天前
|
人工智能 数据可视化 Windows
【AI Agent系列】【LangGraph】3. 一行代码让你的 LangGraph 结构可视化!
【AI Agent系列】【LangGraph】3. 一行代码让你的 LangGraph 结构可视化!
30 0
|
12天前
|
人工智能 Oracle 关系型数据库
【AI Agent系列】【LangGraph】0. 快速上手:协同LangChain,LangGraph帮你用图结构轻松构建多智能体应用
【AI Agent系列】【LangGraph】0. 快速上手:协同LangChain,LangGraph帮你用图结构轻松构建多智能体应用
22 0
|
12天前
|
人工智能 测试技术 决策智能
【AI Agent系列】【MetaGPT多智能体学习】4. 基于MetaGPT的Team组件开发你的第一个智能体团队
【AI Agent系列】【MetaGPT多智能体学习】4. 基于MetaGPT的Team组件开发你的第一个智能体团队
41 0
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
清华首款AI光芯片登上Science,全球首创架构迈向AGI
【4月更文挑战第16天】清华大学研究团队开发出大规模光子芯片“太极”,在《科学》杂志发表,该芯片基于创新的光子计算架构,实现百万神经元级别的ONN,能效比高达160 TOPS/W。实验中,太极芯片成功执行1000类别分类任务,提升AI内容生成质量,为AGI发展开辟新路径。然而,光子集成电路的制造成本高、技术成熟度不足及软件支持限制了其广泛应用。
24 5
清华首款AI光芯片登上Science,全球首创架构迈向AGI