A^2-Net：基于冷冻电镜密度图的分子结构估算
机器学习
2019-02-13 v3 定量方法
机器学习
摘要
从冷冻电子显微镜（Cryo-EM）密度图中构建分子结构模型是通过Cryo-EM技术确定结构的至关重要的最后一步。方法已从结构生物学家手动构建演变为执行6D平移-旋转搜索，这种方法计算极其密集。在本文中，我们提出一种基于学习的方法，并将此问题表述为受视觉启发的3D检测与位姿估计任务。我们开发了一个用于3D Cryo-EM密度图中氨基酸判定的深度学习框架。我们还设计了一种序列引导的蒙特卡洛树搜索（MCTS）来串联候选氨基酸以形成分子结构。该框架在我们新提出的数据集上达到了91%的覆盖率，并且对于一个具有一千个氨基酸的典型结构仅耗时几分钟。我们的方法比现有自动化解决方案快数百倍、准确数倍，且无需任何人工干预。
引用
@article{arxiv.1901.00785,
title = {A^2-Net: Molecular Structure Estimation from Cryo-EM Density Volumes},
author = {Kui Xu and Zhe Wang and Jiangping Shi and Hongsheng Li and Qiangfeng Cliff Zhang},
journal= {arXiv preprint arXiv:1901.00785},
year = {2019}
}
备注
8 pages, 5 figures, 4 tables