发布cryo-ET数据一体化实时处理软件 FlyTomo-北京生物结构前沿研究中心

发布cryo-ET数据一体化实时处理软件 FlyTomo

2026/07/28

冷冻电子断层成像技术（cryo-ET）结合子断层平均（STA）技术，是原位结构生物学的关键技术。根据EMDB统计，cryo-ET每年仅贡献约10%的电镜结构。然而，现代化高分辨cryo-ET数据处理链条长、软件多、参数复杂，不同环节往往需要反复筛选和人工衔接。许多实验室不得不自行搭建处理流程，数据采集结束后还可能因样品或仪器问题而“返工”，成为制约该技术普及的重要瓶颈，且目前主流软件生态体系由欧美团队主导。

7月28日，清华大学生命学院/北京生物结构前沿研究中心李赛团队在《自然·通讯》（Nature Communications）发表题为“FlyTomo: a streamlined software for on-the-fly cryo-ET data processing and diagnosis”的研究论文。FlyTomo是一套面向cryo-ET数据的一体化实时处理与诊断软件，可在数据采集过程中自动完成关键处理，并在数分钟内反馈样品质量和显微镜状态，让研究人员能够边采集、边分析、边调整，让宝贵的机时不再依赖"事后发现问题"。这一工作有望推动cryo-ET从少数团队掌握的门槛技术，转变为更多生命科学研究者的通用工具。

Findings

FlyTomo的设计理念：从实验室工具到通用平台

FlyTomo的研发并非对现有软件的简单整合，而是一项历时十年的系统工程。团队围绕cryo-ET实验中的真实需求持续开发、测试和迭代，累计编写约10万行代码，逐步打通从原始数据导入、运动校正、倾转序列对齐和断层重建，到颗粒挑选、子断层平均及质量诊断的完整流程。

在长期实践中，FlyTomo一边服务科研项目，一边接受真实数据的反复检验。团队已使用该软件支撑发表10篇研究论文，并已培训十余位学员。软件经过多类样品、不同显微镜和相机系统的验证，在易用性、稳定性和处理效率等方面形成了较为成熟的应用基础。

FlyTomo提供了一个高通量、用户友好的数据处理平台，支持从运动校正到子断层平均的一体化数据分析。传统cryo-ET实验中，研究人员通常需要等到全部数据采集结束后，经过数天甚至数周的数据处理，才能判断样品质量、显微镜状态以及数据是否满足结构解析要求。这种 “事后发现问题” 的模式往往会导致昂贵的电镜机时被白白浪费。

FlyTomo改变了这一流程。

软件能够在数据采集过程中自动完成运动校正、倾转序列重建、断层重建等处理，并在每组数据采集完成后的数分钟内生成断层图像和关键质量指标。研究人员无需等待完整数据处理结束，即可实时了解显微镜状态、样品质量以及目标结构的保存情况，并根据反馈及时调整采集策略，避免继续采集质量欠佳的数据。这种"边采集、边分析、边反馈"的工作模式，将原本滞后的数据分析提前到了实验现场，大幅提升实验效率。

图1. FlyTomo通过实时诊断中间结果（绿色模块），

大幅提升实验效率、降低问题数据比例

Findings

一体化流程：从“手动衔接”到“高效贯通”

传统cryo-ET流程中，数据在每个步骤之间都需要人工转换格式，针对数据处理步骤碎片化、手工干预繁琐的痛点。FlyTomo具有图形界面，打通了原本割裂的计算环节，实现从原始数据到结构计算的一体化衔接。

图2. FlyTomo GUI界面

视频1. FlyTomo运行视频

细胞薄片定制流程：预置参数与厚度筛选

针对冷冻细胞薄片有pretilt，厚度、污染不均一等问题，FlyTomo内置了实验室开发的冰层厚度智能检测方法。通过“冰层厚度测量-倾转系列对齐” 的自动迭代处理，协助用户轻松评估样品质量、大规模筛选优质数据，实现对细胞薄片倾转系列对齐效果与断层图像质量的提升。

电镜实验中模块（In-EM-Session）：实时诊断，拒绝“盲采

依托软件的高效计算，在单个倾转系列拍摄完成后的数分钟内，软件即可呈现降噪的断层图像以及关键诊断指标，直接为用户提供多维度监控仪器状态并获取生物靶标结构，避免收集次优数据。

电镜实验后模块（Off-EM-Session）：交互式问题精修

在数据采集结束后（Off-EM-Session），数据处理往往难以做到100%准确，而传统做法需要手动筛查和处理问题图像，极其耗时耗力。FlyTomo 可识别问题数据并预警，用户可直接在GUI界面完成交互式修正，提高了筛选问题数据的准确率和数据处理效率。

Findings

FlyTomo的测试与应用

多类型样品、多电镜型号的严格测试

为检验软件在真实生物学场景下的性能，研究团队在多种显微镜和相机系统上对FlyTomo进行了严格验证。以下所有体系均是真实cryo-ET样品，由研究团队制备并采集数据，并用FlyTomo处理。

图4. FlyTomo测试样品与结果

高度柔性组装的巨型分子机器：

在生物膜表面直接解析大分子结构，是cryo-ET的重要应用之一，尤其适用于难以体外重组、具有高度柔性或复杂装配特征的分子机器，如囊膜病毒和核孔复合物。FlyTomo针对这类体系预置了相应参数和处理策略。

团队以HCoV-229E冠状病毒为测试对象，在数据采集开始后的第85.7小时，即从病毒表面重构出分辨率为5.6 Å的S蛋白结构；经Off-EM-Session模块进一步精修，最终将结构分辨率提升至3.9 Å。

冷冻细胞薄片：

Cryo-ET还可用于在细胞、组织等更大尺度样品中获取三维体数据，解析生物大分子的原位结构。

得益于FlyTomo针对细胞薄片的厚度筛选与迭代对齐功能，在测试此类复杂样品时，研究团队在cryo-FIB减薄的冷冻酵母细胞薄片中，成功将核糖体原位解析至4.3 Å分辨率，且大部分区域达到Nyquist极限分辨率，显示了软件处理复杂细胞样品的能力。

问题电镜、问题数据的挽救：

实际实验中，受仪器稳定性、采集策略或判断偏差影响，研究人员可能获得存在缺陷但又十分珍贵的数据。为模拟这一情景，团队选取了一组在稳定性欠佳的电镜上采集、混杂了七种不同倾转方案的数据集进行测试。

通过FlyTomo的诊断，研究人员筛选出213套TS，最终获得了7.3 Å的Gn-Gc五聚体结构，分辨率超过使用单颗粒局部重构法在同台电镜数据集上获得的结构。这充分表明，FlyTomo具备从欠佳数据中“沙里淘金”、挽救珍贵样本的强大实力。

Findings

真实cryo-ET项目应用

在开发历程中，FlyTomo已被频繁应用于真实项目。它尤其适合三类应用场景。

高分辨率原位结构

1	Hong, Y., Liu, S., Liang, R., Wang, K., Zhang, J., Peng, C., Zhu, Z., Zhang, Z., Zhang, W., Huang, B., et al. (2026). Architecture of a portal complex embedded in the poxvirus core. bioRxiv, 2026. DOI:10.64898/2026.06.09.730874.
2	Zhang, Y., Li, S., Zeng, C., Huang, G., Zhu, X., Wang, Q., Wang, K., Zhou, Q., Yan, C., Zhang, W., et al. (2020). Molecular architecture of the luminal ring of the Xenopus laevis nuclear pore complex. Cell Res 30, 532–540. 10.1038/s41422-020-0320-y.
3	Yao, H., Song, Y., Chen, Y., Wu, N., Xu, J., Sun, C., Zhang, J., Weng, T., Zhang, Z., Wu, Z., et al. (2020). Molecular Architecture of the SARS-CoV-2 Virus. Cell 183, 730–738 e713. 10.1016/j.cell.2020.09.018.

高度异质性、多构象的原位结构

4	Yao, H., Song, Y., Huang, Q., Zhu, M., Liang, J., Zhang, Z., Zhang, X., Dong, D., Shi, D., Wu, Z., et al. (2026). Cryo-ET of IgG bivalent binding on SARS-CoV-2 provides structural basis for antibody avidity. Nat Commun. 10.1038/s41467-026-71631-5. 在新冠病毒与多种完整IgG孵育后的样品上，从12个样品条件下解析出共计24个结构。通过比较，分析出IgG的结合规律。
5	Chen, Y., Zhang, Z., Zhao, Z., Liu, H., Zhao, H., Liang, R., Peng, C., Xu, J., Song, Y., Tan, X., and Li, S. (2026). A Dynamic Oligomerization Network Coordinates Hemagglutinin-Mediated Membrane Fusion on Influenza Virions. bioRxiv, 2026. DOI:10.64898/2026.03.23.713829. 在流感病毒上揭示了HA三聚体相互作用形成的三种二聚体构象，以及二聚、五聚和六聚等多样化寡聚组织，为理解流感病毒膜融合的协同性机制提供了结构基础。
6	Liang, J., Peng, C., Song, Y., Zhang, Z., Yu, J., Wang, X., and Li, S. (2026). On-virion structural dynamics reveal temperature- and receptor-coordinated activation of an alphacoronavirus spike. bioRxiv, 2026. DOI:10.64898/2026.01.02.697259. 在HCoV-229E冠状病毒表面，从7个样品条件下解析出共计16个结构。通过比较，分析出229E S蛋白随温度、受体影响的构象变化规律。
7	Chen, M., Song, Y., Zhang, S., Zhang, Y., Chen, X., Zhang, M., Han, M., Gao, X., Li, S., and Yang, M. (2025). Molecular architecture of mammalian pyruvate dehydrogenase complex. Protein Cell 16, 72–78. 10.1093/procel/pwae044.

细胞原位结构

8	Dong, D., Song, Y., Wu, S., Wang, B., Peng, C., Zhang, W., Kong, W., Zhang, Z., Song, J., Hou, L.H., and Li, S. (2025). Molecular basis of Ad5-nCoV vaccine-induced immunogenicity. Structure 33, 858–868 e855. 10.1016/j.str.2025.02.009. 在被腺病毒载体疫苗接种的细胞表面直接解析出高密度分布的S蛋白结构，从原位结构层面评估了疫苗的抗原性

Findings

软件使用和反馈

FlyTomo当前发布版本为v3.0.1，运行环境要求Linux系统，建议在配备NVIDIA GPU（CUDA 11.0以上）的计算节点上运行。

安装指南及测试数据详见

https://github.com/SaiLi-Lab/FlyTomo

作为一款致力于降低cryo-ET使用门槛的通用工具，FlyTomo的持续迭代离不开活跃的用户生态。李赛课题组致力将FlyTomo的GitHub主页打造成一个开放、互助的cryo-ET数据处理交流社区。技术支持将统一集中在GitHub Issues板块（https://github.com/SaiLi-Lab/FlyTomo/issues）进行。欢迎在Issues中发帖交流（英语优先）。开发团队将积极回复。

作者与致谢

清华大学生命学院副教授/北京生物结构前沿研究中心研究员李赛为该研究的通讯作者。张哲源与彭程为共同第一作者。李赛团队张伟平、梁佳明、刘可欣、陈勇、张俊霞、梁瑞和宋雨桐为软件测试、反馈和数据提供做出了大量工作。

特别感谢清华大学蛋白质科学研究中心冷冻电镜平台的雷建林、杨帆、周昵昀与李晓敏，以及国家多模态跨尺度生物医学成像中心的黄小俊、曾俨、赵容与李硕果，在样品制备与数据收集方面提供的技术支持。感谢国家蛋白质科学中心（北京）清华大学分中心生物计算平台为本研究提供的集群计算资源保障。此外，感谢赫尔辛基大学Juha Huiskonen教授协助我们测试RVFV数据集（于英国牛津大学结构生物学分部收集），以及清华大学李雪明课题组与陈柱成课题组提供测试样品。