p Uma nova abordagem de processamento de dados criada por cientistas do Instituto de Ciências da Vida da Universidade de Michigan oferece uma forma mais simples, caminho mais rápido para os dados gerados por instrumentos de microscopia crioeletrônica, removendo uma barreira para uma adoção mais ampla desta técnica poderosa. p O Cryo-EM permite que os cientistas determinem a forma 3-D das proteínas celulares e outras moléculas que foram congeladas em uma fina camada de gelo. Microscópios avançados emitem elétrons de alta energia através do gelo enquanto capturam milhares de vídeos. A média desses vídeos é então calculada para criar uma estrutura 3-D da molécula.

p Ao descobrir as estruturas precisas dessas moléculas, os pesquisadores podem responder a questões importantes sobre como as moléculas funcionam nas células e como elas podem contribuir para a saúde e doenças humanas. Por exemplo, pesquisadores recentemente usaram crio-EM para revelar como um pico de proteína no vírus COVID-19 permite que ele entre nas células hospedeiras.

p Avanços recentes na tecnologia crio-EM abriram rapidamente esse campo para novos usuários e aumentaram a taxa na qual os dados podem ser coletados. Apesar dessas melhorias, Contudo, os pesquisadores ainda enfrentam um obstáculo substancial para acessar todo o potencial desta técnica:a complexa paisagem de processamento de dados necessária para transformar os terabytes de dados do microscópio em uma estrutura 3-D pronta para análise.

p Antes que os pesquisadores possam começar a analisar a estrutura 3-D que desejam estudar, eles têm que completar uma série de etapas de pré-processamento e decisões subjetivas. Atualmente, essas etapas devem ser supervisionadas por humanos - e porque os pesquisadores usam crio-EM para analisar uma enorme variedade de tipos de moléculas, os cientistas pensaram que era quase impossível criar um conjunto geral de diretrizes que todos os pesquisadores pudessem seguir para essas etapas, disse Yilai Li, um Willis Life Sciences Fellow no LSI que liderou o desenvolvimento do novo programa.

p "Se pudermos criar um pipeline automatizado para essas etapas de pré-processamento, todo o processo pode ser muito mais amigável, especialmente para recém-chegados ao campo, "Li disse.

p Usando o aprendizado de máquina, Li e seus colegas do laboratório do professor assistente do LSI, Michael Cianfrocco, desenvolveram esse tipo de pipeline. O programa foi publicado em 14 de abril como parte de um estudo na revista Estrutura .

p O novo programa conecta várias ferramentas de aprendizagem profunda e análise de imagem com algoritmos de pré-processamento de dados de software preexistentes para restringir enormes conjuntos de dados às informações de que os pesquisadores precisam para começar sua análise.

p "Este pipeline pega o conhecimento que os usuários experientes adquiriram e o coloca em um programa que melhora a acessibilidade para usuários de uma variedade de origens, "disse Cianfrocco, que também é professor assistente de química biológica na U-M Medical School. "Isso realmente simplifica o estágio do processo para que os pesquisadores possam pular e se concentrar no que é importante:as questões científicas que desejam fazer e responder."

p O estudo aparece na revista Estrutura .