一种处理冷冻电子显微镜中异构性的 max-cut 方法

冷冻电子显微镜领域在过去几年中取得了惊人的进展，这主要归功于电子探测器技术的进步。然而，该领域的一个关键开放挑战仍然是处理由包含处于几种不同构象状态的颗粒的样品产生的异构数据集。对于此类数据集，算法必须包含某种分类程序以识别数据内的同质组，从而使每组中的图像对应于相同的底层结构。冷冻电子显微镜中异构性问题的根本重要性吸引了大量研究努力，并在异构数据集的分类算法方面取得了重大进展。虽然这些算法在实践中极为有用且有效，但它们缺乏严格的数学分析和性能保证。在本文中，我们试图迈出对冷冻电子显微镜中异构性问题进行严格数学分析的第一步。为此，我们提出了一种用于处理异构数据集的算法，并证明了其准确性和稳定性界限。我们还提出了该算法的一种扩展，将分类和重建步骤结合起来。我们在模拟数据上进行了演示，并将其性能与 RELION 中的 SOTA 算法进行了比较。