为了证明IsoNet的稳定性，研究人员应用IsoNet处理三种代表性类型的单颗粒cryoET数据——分离的核糖体和病毒、具有副鞭毛杆（PFR）的细胞器轴丝和神经元突触。IsoNet显著提高了所有这些情况下的结构的可解释性，使研究人员能够解决未成熟HIV衣壳、动力蛋白亚基和真核鞭毛中副鞭毛杆的剪刀堆叠网络结构中晶格缺陷的新结构，和神经元突触内含七边形的网格蛋白笼。

在生成的断层图中，原位蛋白质特征呈现出各向同性且质量较高，有时与通过子断层图平均获得的质量相匹配。对于断层图中的无定形结构，例如膜，IsoNet允许网络从断层图中的许多其他类似结构中学习特征表示，并恢复丢失的信息。因此，IsoNet通过克服缺失楔形问题扩展了cryoET的实用性，从而实现了结构的3D可视化。

信息来源：

https://www.nature.com/articles/s41467-022-33957-8