加州大学旧金山分校研究人员利用 GPU 让低温电子显微镜图像更清晰

事实上，这项技术与科学家用来研究被玻璃化冷冻法冷冻的微小分子结构的低温电子显微镜或冷冻电镜 cryo-EM 没有太大区别。虽然摄影中的运动引起的模糊可以产生漂亮的图像，但是在结构生物学中，这是令人讨厌的副作用。

采用 cryo-EM 技术的蛋白质样品在 -196 摄氏度下冷冻以保护生物结构，否则其生物结构会被显微镜的高能电子束破坏。但是即使冷冻，样品也会受到强大的电子剂量的干扰，进而引起运动，从而模糊长时间曝光的照片。

为了解决这个问题，加州大学旧金山分校的研究人员使用专门的摄像机来拍摄生物分子的视频，因为它们在视频的每一帧中几乎都静止不动。跨帧校正运动是一项艰巨的计算任务，但在 NVIDIA GPU 上只需几秒钟即可完成。

加州大学旧金山分校和霍华德·休斯医学研究所(Howard Hughes Medical Institute)的科学软件开发人员 Shawn Zheng 表示：“如果不校正运动，我们会失去分子 3D 结构的高分辨率图片。了解分子的结构对于理解其功能至关重要。”

Shawn 和他的同事在 NVIDIA GPU 上运行世界上使用最广泛的运动校正应用程序 MotionCor2，以便逐帧对齐视频中的每个分子，从而创造出清晰的图像，让研究人员能够将其转换为 3D 模型。

这些 3D 模型对于科学家了解单个蛋白质中发生的复杂相互作用链至关重要，进而可以加快药物和疫苗的发现，例如 COVID-19 病毒上的刺突蛋白。

作为低温电磁研究的领导者，加州大学旧金山分校一向是提高显微镜图像分辨率的主力军。该技术可以使蛋白质实现原子级可视化，这项成果在十年前被认为是不可能的。

但是该技术实现的整个流程很长，并涉及冻结样本，需要使用数百万美元的 cryo-EM 冷冻电镜捕获样本，在校正其运动后，重建分子的详细 3D 模型。为保证流程顺利进行，运动校正过程需要足够迅速，以跟上正在收集的新数据的速度，这一点至关重要。

Shawn 表示：“Cryo-EM 是非常昂贵的仪器，谁都不希望它闲置。但是，如果我们的机器数据存储中堆积了许多积压的视频，就没有其他空间存储更多的视频。这会极大地浪费这种昂贵的仪器，并延缓其他仪器的研究。”

为了实现快速运动校正，加州大学旧金山分校的高级电子显微镜中心使用的工作站为每台显微镜配备了八个 NVIDIA GPU。需要这些工作站来保证 cryo-EM 数据收集的速度，以确保每分钟每台显微镜可获取四段视频。

GPU 设置可同时运行八项工作，对多达 400 帧（每帧近 1 亿像素）的视频进行运动校正的迭代过程。

为了加速新应用程序的开发，已有十年 NVIDIA GPU 研究经验的 Shawn，采用了搭载两个 NVIDIA Tensor Core GPU 的工作站。该系统可以在一分钟内，分析 70GB 的显微镜视频。 

Shawn 和他的同事还使用 GPU 运行用于低温电子断层扫描或 cryo-ET 的对准软件。这项技术更适合研究稍微异质的标本，例如大分子和细胞。当样品以不同角度倾斜时，收集的一系列图像可以对齐并重建为详细的 3D 模型。

他说，NVIDIA GPU 可以完全自动化重建过程，单个 GPU 只需半小时。

在最近发表的《科学》杂志上，Shawn 与荷兰莱顿大学医学中心的主要研究人员合作，使用 cryo-ET 研究了细胞中 COVID-19 病毒复制所涉及的分子孔。更好地了解这种孔结构可以帮助科学家开发针对它的药物，从而阻止病毒在患者体内复制。