5月16日，物理学院生物物理团队黄胜友教授在冷冻电镜图像处理领域取得重要进展，相关成果发表于《自然·通讯》，题目为《EMReady2：通过结合Mamba的局部质量感知深度学习改进冷冻电镜和冷冻电镜断层成像图》（EMReady2: improvement of cryo-EM and cryo-ET maps by local quality-aware deep learning with Mamba）。物理学院2023级博士生曹宏、电子信息和通信学院2024级博士生朱悦婷为论文共同第一作者，博士后李涛，博士生陈吉为共同作者，物理学院黄胜友教授，电子信息和通信学院王兴刚教授，加利福尼亚大学旧金山分校博士后何佳铧为论文共同通讯作者。

冷冻电镜（cryo-EM）技术是解析生物大分子高分辨率三维结构的核心手段之一，但受限于成像条件、样本异质性等因素，原始密度图往往存在局部分辨率不均、噪声干扰强等问题，严重影响后续原子模型的构建精度。尤其对于中低分辨率密度图及冷冻电镜断层成像（cryo-ET）数据，现有后处理方法仍难以同时兼顾局部细节修复与全局结构保真，成为制约结构生物学研究的关键瓶颈之一。

针对这一难题，团队提出了基于局部质量感知深度学习的EMReady2 算法。该方法采用创新的 BiMamba-Conv-UNet（BiMCUNet）架构，将卷积操作的局部细节捕捉能力与 Mamba 模型的高效全局序列建模优势相结合，同时引入局部分辨率引导学习策略，能够针对密度图不同区域的质量差异实现自适应优化。大量测试结果表明，EMReady2 在 2.0–10.0 Å 全分辨率区间均表现出优异性能，在主链精度、残基覆盖率、相关系数等关键指标上全面超越现有主流方法，且推理速度相比上一代 EMReady 提升约5 倍，显著降低了计算成本。该算法不仅支持常规冷冻电镜密度图的优化，还可有效提升 cryo-ET 子断层平均图的质量，为蛋白质 - 核酸复合物、动态组装体系等复杂生物大分子的结构解析提供了强有力的新工具。

黄胜友教授课题组长期致力于生物分子相互作用计算及复合物结构预测研究，近年来聚焦AI for Science，在蛋白质-蛋白质、蛋白质-核酸、蛋白质-小分子相互作用预测及冷冻电镜结构建模方面取得诸多重要进展，发展和开发了一系列方法、软件和计算平台，在Nature Biotechnology、Nature Machine Intelligence、Nature Structural & Molecular Biology、Nature Protocols、Nature Communications等期刊发表多篇论文。该项研究工作得到了国家自然科学基金、中国博士后科学基金和华中科技大学人才引进启动基金的资助。

论文链接：https://www.nature.com/articles/s41467-026-71794-1