字节Seed团队冷冻电镜基座模型新突破

近年来，冷冻电镜（cryo-EM）已经成为解析生物大分子三维结构的核心实验手段之一。与依赖结晶的传统方法不同，单颗粒冷冻电镜可以直接从实验图像中重建结构，为研究复杂、柔性或动态结构提供了重要工具。

但在实际数据处理中，冷冻电镜的实验数据极其嘈杂、信息不完整，三维结构的重建本质上是一个高度不适定的逆问题。

在当前的冷冻电镜数据三维重构中，常见的改进手段主要有两类：

• 一类是基于经验设计的正则化或滤波方法，缺乏对大规模结构数据统计规律的系统利用；
• 另一类是深度学习驱动的“增强”或“后处理”模型，往往以确定性预测的方式工作，难以根据具体数据集的统计特性进行调整，也容易引入难以察觉的伪影。

与此同时，EMDB 中已经积累了数以千计的高质量冷冻电镜密度图，蕴含着丰富但尚未被充分利用的结构先验信息。

一个自然的问题是：能否训练一个模型，从这些真实实验数据中学习“什么样的密度图是合理的”，并在数据处理过程中真正发挥作用？

CryoFM：用生成式模型，真正“帮实验数据说话”

近日，字节跳动 Seed 团队提出了 cryoFM ——一个直接在冷冻电镜密度图空间中训练的生成式基础模型。

CryoFM 的核心思路并不是“生成”结构，而是作为一个可复用的结构先验，服务于实验数据的解析过程：

• 使用 flow matching 在大量高质量 cryo-EM 密度图上进行无监督训练，让模型学习真实生物大分子密度的统计分布；
• 在具体任务中，通过后验采样（posterior sampling），将这一先验与实验数据对应的退化模型（噪声、各向异性采样等）结合起来，在推断过程中显式引入数据约束。

这种方式使得模型不再是一个“黑箱增强器”，而是能够在先验知识与实验信息之间进行可控平衡。

在真实任务中，cryoFM 能做什么？

研究人员系统评估了 cryoFM 在多种真实和合成场景中的表现，包括：

• 密度图去噪：在显著降低噪声的同时保持可靠结构特征；
• 各向异性校正：针对优势取向问题，恢复缺失方向上的信息；
• 三维重构（refinement）：将 cryoFM 融入现有 EM 框架中，在多个真实数据集上稳定提升重建质量；

• 密度图后处理：通过少量配对数据微调，实现更可控、更高质量的密度图后处理。

值得一提的是，研究团队在超过 10 个单颗粒冷冻电镜数据集上进行了系统评估，覆盖空间噪声不均匀、存在优势取向等多类具有挑战性的场景；在这些条件下，cryoFM 在三维重构的任务上均展现出稳定的改进效果。

不只是 cryo-EM

更重要的是，这项工作展示了一种生成式模型的不同用法。相比于将生成模型用于“设计”或“生成”结构，cryoFM 证明了生成式模型也可以作为实验推断中的概率先验，直接参与对实验数据的解析过程。

许多实验技术都面临类似的问题：观测间接、噪声较大、需要在有限信息下推断结构或状态。CryoFM 提供了一种思路：将生成式模型嵌入到推断流程中，用数据驱动的先验帮助实验数据“说清楚它真正支持什么”。

小结

CryoFM 是一个面向冷冻电镜实验数据分析的生成式基础模型，在多种数据处理与分析任务中都展现出稳定而一致的改进效果。

通过将生成式模型作为可控的先验引入推断过程，cryoFM 展示了生成式 AI 不仅可以“生成”，也可以服务于实验数据的解析与理解。

开源与更多信息

📄 论文（bioRxiv）：

• https://www.biorxiv.org/content/10.64898/2025.12.29.696802v1

🌐 项目主页：

• https://bytedance-seed.github.io/cryofm/blog/cryofm2/

💻 模型与代码：

• https://huggingface.co/ByteDance-Seed/cryofm-v2
• https://github.com/ByteDance-Seed/cryofm