加州大学洛杉矶分校的研究团队提出了一种自监督深度学习方法spIsoNet，显著提升了冷冻电镜图像质量，解决了取向优势问题，推动了生物大分子重建的精度和各向同性，为结构生物学带来了新突破。

本文介绍了一种新的蛋白质三维结构估计框架，结合深度学习和机器学习技术，从冷冻电镜图像中高效重建蛋白质结构。研究提出了多种方法，如cryoDRGN、图形神经网络和FFF，显著提高了结构预测的准确性，并解决了现有方法的不足。未来需进一步整合冷冻电镜数据与其他数据源，以推动该领域的发展。

清华大学生命科学学院的张强锋教授在第六届北京智源大会的「AI for Science」论坛上分享了利用人工智能和冷冻电镜解析蛋白质结构的方法。他介绍了人工智能技术在生命科学中的重要性，并提到了AlphaFold等人工智能方法的应用。张强锋教授是清华大学生命科学学院的研究员和博导，研究领域包括结构生物学、基因组学和RNA生物学。

本文介绍了一种新方法cryоDRGN，通过深度神经网络在傅里叶空间建模蛋白质结构，能够从无标注的2D冷冻电镜图像中训练出3D蛋白质复合物。研究还探讨了结合冷冻电镜数据与其他数据源的深度学习模型，以推动蛋白质结构重建的进展。