膜蛋白和大组装体是目前分子生物学和分子医学的主要研究热点。由于它们的尺寸和灵活性,这些结构可能只能产生质量较差的晶体,衍射强度只能测量到中低分辨率。然而,这些数据包含有价值的结构信息。在这里,我们将展示COOT[1]、REFMAC5[2]和ProSMART[3]中的新功能如何帮助利用低分辨率数据进行模型构建和优化,以及帮助进行模型验证。低分辨率的精细化可以用正则化器来稳定,比如果冻身体和外部约束。即使在只有低分辨率数据可用的情况下(例如>3º),也可以定期获得高质量的模型。外部约束(适用于蛋白质和DNA/RNA)利用结构先验知识,利用局部原子间距应与先前观察结果一致的断言。这些先验知识的来源包括同晶和同源结构、氢键模式和二级结构元素的典型构象。重要的是,全局刚性并不是由这些约束强制执行的——所提出的方法允许目标模型和参考模型之间存在显著的构象差异。因此,可以使用以不同晶体形式解析的同源参考模型生成约束。COOT通过所谓的“后摩擦转子”和扭角约束消除自由度,并提供模型变形和抖动拟合等半自动构建选项,从而促进低分辨率模型的构建。现在COOT和REFMAC5中都提供了地图锐化和模糊功能,可用于进一步了解模型的有效性,并有助于模型构建过程。提供了应用这些功能的一般指南,以及演示其用法的示例。