2024年2月26日，剑桥大学等机构的研究人员在Nature发表题为Automated model building and protein identification in cryo-EM maps的文章。
用原子模型解释电子冷冻显微镜 (cryo-em) 图需要高水平的专业知识和对三维计算机图形程序的劳动密集型手动干预。
该研究介绍了ModelAngelo，这是一种用于在cryo-em地图中自动构建原子模型的机器学习方法。通过将来自cryo-em图的信息与来自单个图形神经网络中的蛋白质序列和结构的信息相结合，ModelAngelo为与人类专家生成的蛋白质质量相似的蛋白质建立了原子模型。
对于核苷酸，ModelAngelo构建的骨架具有与人类相似的准确性。通过在隐马尔可夫模型序列搜索中使用每个残基的预测氨基酸概率，ModelAngelo在识别具有未知序列的蛋白质方面胜过人类专家。因此，ModelAngelo将消除瓶颈并提高cryo-em结构确定的客观性。
