冷冻电镜技术综述

2015 年，Nature Methods 将冷冻电镜（cryo-EM）评为"年度方法"。十年过去，这项技术从"blobology"（模糊团块学）的调侃对象，成长为解析生物大分子结构的主力军。本文回顾这场技术革命的关键节点，并展望 AI 时代的结构生物学。

1. 革命前夜：为什么冷冻电镜曾被称为"blobology"

1.1 传统结构生物学的三驾马车

• X 射线晶体学：需要高质量晶体，许多膜蛋白、大复合物难以结晶
• 核磁共振（NMR）：受分子量限制（通常 < 50 kDa）
• 冷冻电镜：理论上无分子量上限、无需晶体，但分辨率长期卡在 10–30 Å

1.2 分辨率瓶颈的根源

1. 电子损伤：电子束会破坏样品，总剂量被限制在 ~20 e⁻/Ų，信噪比极低
2. 探测器落后：CCD 相机在低剂量下噪声大，且无单电子计数能力
3. 样品漂移：电子束导致的样品移动模糊图像
4. 相位信息缺失：弱相位物体近似下，欠焦成像丢失部分相位信息

2. 技术革命的三块基石

2.1 直接电子探测器（DET）——2013–2015

探测器	推出年份	关键特性
Gatan K2 Summit	2013	首款商用 CMOS 直接探测，单电子计数
FEI Falcon II	2014	高帧率、无损读出
Gatan K3	2017	更大视野、超分辨率
Falcon 4 / Falcon 4i	2020	电子计数 + 能量过滤集成

为什么 DET 是革命性的：

• 单电子计数模式消除读出噪声 → 信噪比大幅提升
• 超快帧率（每秒数百帧）→ movie 模式，可逐帧校正样品漂移
• 与能量过滤器（GIF/Selectris）结合，去除非弹性散射本底

2.2 稳定性革命——2016–2018

"Resolution Revolution" 不只是探测器，更是整体稳定性的胜利：

• 电镜室恒温恒湿（±0.1 °C）、隔音防震
• 样品杆与载网夹持机构改进（如 autoloader）
• 剂量对称采集方案、低剂量模式的普及
• 软件层面：MotionCor2 的逐帧漂移校正让高频信号得以保留

代表性成果（2017–2020）：

• 人源 γ-分泌酶复合物（3.4 Å，2015，Scheres 组）
• β-半乳糖苷酶 2.2 Å（2016）
• 人源核糖体 2.5 Å 级（多组）
• 多种膜蛋白通道、受体复合物突破 3 Å

2.3 算法与算力——2017–2021

• 贝叶斯方法（RELION）让 3D 分类/精修稳健化
• cryoSPARC 的 Ab-initio 与 NU-refinement：异构体分离、柔性区域精修
• GPU 加速使百万级颗粒的迭代重构成为常规操作
• 深度学习进入：Topaz / crYOLO 颗粒挑选、DeepEM 去噪

3. 2020 年代：从 3 Å 到原子级

3.1 打破 2 Å 门槛

• 2020–2021：多种样品达到 1.5–2.0 Å（如去铁蛋白 1.22 Å，2020）
• 亚 2 Å 密度下可观察到：氢原子、水分子网络、侧链微环境、配体互作细节
• 这为基于密度的从头建模与药物设计铺平道路

3.2 时间分辨冷冻电镜（Time-resolved cryo-EM）

• 混合-喷雾（mix-spray）技术捕捉酶催化中间态
• 微流控与快速冷冻（< 10 ms 时间尺度）
• 目标：观察构象变化动态过程，而非单一静态结构

3.3 原位结构生物学（In situ / Cellular cryo-EM）

• 冷冻聚焦离子束（cryo-FIB）减薄 + 冷冻电子断层扫描（cryo-ET）
• 在细胞原位解析蛋白质复合物的组装状态与空间分布
• 代表：细胞内核糖体、蛋白酶体、囊泡运输复合物的原位结构

4. AI 时代的协同与挑战

4.1 AlphaFold 冲击波（2021–）

AlphaFold2 / AlphaFold3 可以高精度预测蛋白结构，与冷冻电镜形成互补而非替代：

维度	AlphaFold	冷冻电镜
输入	序列	实验样品
输出	预测模型	实验密度/模型
构象	单一（或少量）	真实构象分布
修饰/配体	预测能力有限	直接观察
复合物组装	预测	原位真实状态

实际工作流：AF2 预测模型 → 作为冷冻电镜分子替换（molecular replacement）/建模的初始模板 → 实验密度修正 → 获得包含真实互作与修饰的模型。

4.2 深度学习的进一步渗透

• 密度图自动建模（ModelAngelo、DeepTracer）
• 颗粒挑选与去噪的端到端模型
• 基于扩散模型的密度图去模糊
• AlphaFold 与密度图的联合精修（如 ISOLDE + AF 约束）

4.3 挑战依然存在

• 小蛋白（< 50 kDa）：信噪比低，分辨率提升困难（需要更好的相板/探测器）
• 柔性大复合物：构象连续体难以用离散分类描述（3DVA、3D FLEX 等正在解决）
• 膜蛋白：去垢剂/纳米盘环境与天然膜差异
• 样品制备：air-water interface 问题仍是主要瓶颈之一

5. 未来图景

1. 分辨率常态化：亚 2 Å 从"世界纪录"变为常规目标
2. 动态结构生物学：时间分辨 + 连续构象分析，从"快照"走向"电影"
3. 细胞内结构生物学：cryo-ET 与 FIB 结合，在细胞环境中理解分子机器
4. AI 全流程集成：从挑选到建模的自动化、智能化管线
5. 与药物设计深度融合：高分辨结构 + 虚拟筛选 + 生成式设计闭环

6. 小结

• 直接电子探测器、稳定性革命、算法进步是"分辨率革命"的三块基石
• 冷冻电镜已从"最后手段"变为膜蛋白、大复合物的首选方法
• AlphaFold 与冷冻电镜形成互补：预测引导实验，实验修正预测
• 未来方向：动态、原位、原子级、AI 融合

冷冻电镜的十年，是工程、物理与计算生物学协同的典范。下一个十年，它将与 AI 一起重新定义我们理解生命的方式。