IF36.1｜自监督分子模式挖掘与原位颗粒定位框架MiLoPYP

两步法实现冷冻电子断层数据中蛋白质的自动发现与精确定位，大幅减少人工标注需求。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

冷冻电子断层扫描（CET）能够在纳米分辨率下可视化细胞内部景观，结合单颗粒分析（SPT）可获取原位高分辨率结构。然而，CET数据存在分子拥挤、低信噪比、缺失楔形畸变以及数据量巨大等问题，使得自动识别和定位蛋白质成为瓶颈。现有方法如模板匹配易受模型偏差影响且计算密集；基于CNN的监督方法需要大量标注且泛化性差；无监督聚类方法DISCA训练不稳定且需手动分离膜等连续结构；TomoTwin依赖大量模拟数据训练，对非球形蛋白效果有限。因此，亟需一种高效、低人工干预且能处理多种形态蛋白的自动化工具。

科学问题

卡在哪里： 现有方法要么依赖大量人工标注或模拟数据，要么仅适用于特定形态的蛋白，且计算成本高、对缺失楔形畸变敏感，难以在真实细胞环境中快速、准确地挖掘和定位多种类型的分子复合物。

本文要回答： 开发一个数据集特异性的自监督学习框架，实现快速分子模式挖掘和准确的蛋白质定位，减少人工干预，并适用于球形、膜结合和纤维状等多种形态的蛋白。

技术路线

作者主要用了：自监督对比学习、Siamese网络、DoG金字塔、UMAP、少样本检测、正无标记学习。

MiLoPYP分为两个阶段：首先，利用DoG金字塔提取候选坐标，从倾斜系列和断层切片中提取2D补丁，通过自监督对比学习训练Siamese网络，将相似结构映射到嵌入空间邻近位置，实现无标签的分子模式挖掘与可视化；然后，用户从嵌入空间交互式选择少量目标颗粒作为训练数据，训练一个半监督的颗粒定位模块，该模块结合正无标记损失和去偏对比正则化，输出概率热图并经NMS后处理得到精确坐标。这种设计避免了耗时的手动标注，同时利用2D投影减少缺失楔形影响和计算量。

图 1　Fig. 1。图1展示了MiLoPYP的整体工作流程。a部分显示探索模块通过自监督对比学习将子断层图嵌入到高维空间，并提供三种可视化方式：2D网格图、3D断层图映射和交互式3D嵌入会话。b部分展示定位模块利用少量标注训练半监督检测器，输出概率热图并经NMS得到精确坐标。该图概括了从模式挖掘到颗粒定位的两步策略。

核心亮点

亮点 1｜体外70S核糖体高精度检测

在EMPIAR-10304纯化大肠杆菌70S核糖体数据集上，MiLoPYP的探索模块清晰区分了核糖体、金颗粒和背景。仅使用230个颗粒训练定位模块，最终从8,965个颗粒中重建出5.0 Å分辨率的70S核糖体结构。即使仅用55个标注，F1分数仍达0.73，证明其对低丰度目标的检测能力。与模板匹配、crYOLO-3D、DeepFinder、DeePiCt和TomoTwin相比，MiLoPYP在精度和召回率上均表现更优，且计算速度更快。

图 2　Fig. 2。图2展示在EMPIAR-10304纯化核糖体数据集上的结果。a部分2D网格图清晰分离了核糖体（红色）、金颗粒（紫色）和背景，3D断层图映射显示不同结构元素的空间分布。b部分显示从交互式会话中选择的230个颗粒用于训练定位模块。c部分展示最终重建的5.0 Å分辨率70S核糖体密度图，验证了MiLoPYP在体外样品上的高精度检测能力。

亮点 2｜原位细菌核糖体高效定位

在EMPIAR-10499肺炎支原体细胞数据集中，MiLoPYP从65个断层图中自动识别出23,285个70S核糖体颗粒，仅需195个初始标注。重建获得5.4 Å分辨率结构。F1分数随标注数量增加而提升，但少量标注已能取得较好效果。与模板匹配和crYOLO-3D相比，MiLoPYP在复杂细胞环境中具有更高的检测精度和鲁棒性。

图 3　Fig. 3。图3展示在EMPIAR-10499肺炎支原体细胞数据集上的结果。a部分2D网格图显示核糖体（蓝色）、细胞膜（紫色/红色）和其他小蛋白（深绿色）的分离。b部分显示仅用195个标注训练的定位模块在整个数据集上准确识别出核糖体（红色圆圈）。c部分展示重建的5.4 Å分辨率70S核糖体结构，证明MiLoPYP在拥挤细胞环境中的有效性。

亮点 3｜病毒膜蛋白原位构象解析

在EMPIAR-10453 SARS-CoV-2病毒颗粒数据集中，MiLoPYP的嵌入空间清晰分离了膜附着和游离的刺突蛋白。仅用144个膜附着刺突标注训练，从266个断层图中检测到23,388个膜结合刺突。后续3D分类获得开放（5.6 Å，9,194颗粒）和关闭（9.3 Å，3,740颗粒）两种构象，与原始研究结果一致，但避免了原研究中约1,000个病毒颗粒的手动挑选和几何学拾取。

图 4　Fig. 4。图4展示在EMPIAR-10453 SARS-CoV-2数据集上的结果。a部分2D网格图区分了游离刺突（紫色轮廓）和膜附着刺突（粉色轮廓）。b部分显示定位模块检测到的膜附着刺突（粉色圆圈）。c部分展示两种构象的重建：开放状态5.6 Å和关闭状态9.3 Å，表明MiLoPYP能够解析病毒膜蛋白的构象异质性。

亮点 4｜微管与核糖体同时检测

在EMPIAR-10987小鼠乳腺上皮细胞FIB/SEM减薄样品中，MiLoPYP同时识别出80S核糖体和微管。使用137个核糖体标注和102个微管标注训练，从21个断层图中检测到6,068个核糖体（重建8.6 Å）和40条微管中的38条（重建37.0 Å）。微管检测采用多项式拟合后处理，成功追踪了管状结构，展示了MiLoPYP对纤维状蛋白的检测能力。

图 5　Fig. 5。图5展示在EMPIAR-10987小鼠乳腺上皮细胞数据集上的结果。a部分2D网格图显示80S核糖体（紫色）和微管（绿色）的分离。b部分显示定位模块同时检测到核糖体（紫色）和微管（绿色），其中微管通过多项式拟合追踪。c部分展示8.6 Å分辨率的80S核糖体结构，d部分展示37.0 Å分辨率的微管结构，证明MiLoPYP对多种形态蛋白的检测能力。

亮点 5｜低丰度膜蛋白ATP合酶检测

在EMPIAR-11658酿酒酵母FIB/SEM减薄样品中，MiLoPYP从48个断层图中检测到4,105个ATP合酶颗粒，仅需247个标注。最终从2,577个颗粒重建出13.0 Å分辨率的ATP合酶结构。该数据集需要更多标注才能达到足够精度，但MiLoPYP仍成功定位了低浓度、大尺寸的膜蛋白复合物，证明了其在复杂细胞环境中的适用性。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 自监督对比学习、Siamese网络、DoG金字塔、UMAP、少样本检测、正无标记学习
• 公开数据： 原文未给出公开组学登录号
• 代码： 公开仓库 https://github.com/Arize-ai/phoenix、https://github.com/lmcinnes/umap、https://github.com/nextpyp/cet_pick；本地已克隆：phoenix、umap、cet_pick
• 谁该点开原文： 从事冷冻电子断层扫描、单颗粒分析或原位结构生物学的科研人员，以及关注自监督学习在生物图像分析中应用的计算生物学家。

带走一句

MiLoPYP用自监督对比学习加少样本定位，把CET/SPT流程中的人工标注量降到几十个颗粒，同时保持高精度，值得在冷冻电镜数据处理中尝试。