中国科学技术大学、中国科学院深圳先进技术研究院双聘教授毕国强团队,与美国加州大学洛杉矶分校周正洪教授合作,开发了一套基于深度学习的cryoet数据处理算法和软件isonet,有效解决了cryoet成像中的缺失锥效应和低信噪比问题,相关研究成果以isotropic reconstruction for electron tomography with deep learning为题于2022年10月29日发表在nature communications.
研究人员搭建了一套迭代优化的自监督深度学习人工网络算法,并以旋转处理后的cryoet断层三维重构数据自身为训练集,实现了对cryoet断层三维重构数据的缺失锥矫正。同时,在isonet算法的流程中,加入降噪过程,使得同一个人工神经网络可以同时对断层三维重构数据进行缺失信息补全和降噪处理。
图1.基于深度学习进行cryoet成像数据缺失锥矫正与降噪的基本原理与流程 利用isonet算法对模拟缺失锥的铁蛋白(apoferritin)与核糖体(ribosome)的三维结构分别进行处理,处理后的结果能够与低分辨的原子模型相媲美。同时对真实的hiv病毒粒子(immaturehivcapsid)、副鞭毛杆(the paraflagellar rod)以及培养神经细胞中突触(neuronalsynapse)的断层三维重构数据进行处理,均得到了非常好的效果。尤其值得关注的是,在利用isonet算法对神经突触这种典型包含大量蛋白、膜性细胞器与细胞骨架等复杂结构的细胞水平厚样品的断层三维重构图像进行处理后,突触中囊泡、线粒体、微管、微丝、细胞膜以及蛋白复合物的三维结构信息均得到了很好的恢复。
图2.利用isonet算法对神经突触cryoet三维重构数据进行处理前后的效果,以及对isonet算法处理后神经突触中超微结构基于真实电子密度的三维可视化渲染
isonet算法在预印本biorxiv公布后,引起了领域内的广泛关注与深入讨论,其中一个重点是isonet算法是如何实现缺失锥矫正的?一种主要推测是,人工神经网络在训练过程中,能够学习到蛋白质等生物结构在三维空间中不同角度的结构特征,并将这些信息补充到缺失锥方向,类似于单颗粒冷冻电镜三维平均。
微动手势识别,为何更接地气?
基于ARM7实时网络的设计和实现
pcb layout中IC常用封装介绍
sdwan专线适合什么用户?sdwan专线怎么样?
一款体验不一样的吹风机,低温速干而且不伤发
基于深度学习的cryoET数据处理算法
光耦HCNR201内部原理及隔离电路
如何在同一总线上安装1-Wire EPROM和5V 1-Wire器件
verilog实现简单分频器的方案
房地产公司入手新三板半导体企业
Zigbee杀手锏自组网被复制 要被物联网淘汰?
wigig无线扩展坞使用测评
人体传感器网络技术助力防止糖尿病患者足部溃疡
精密电子连接器的装配工序是怎样的?
对Wyze band进行拆解,高性价比的手环内部到底是啥样?
杰普特乘风破浪,拥抱XR时代风潮
中国电信重点探索了网络切片和MEC对业务的支持能力
雷神911黑武士Ⅱ代评测 品牌机的售后组装机的价格
关于全自动驾驶点对点用车服务的介绍和发展
单穗玉米种子脱粒机的使用说明及参数的介绍