CryoGEM：物理信息驱动的生成式冷冻电子显微镜
计算机视觉与模式识别
2024-10-01 v2
摘要
在过去十年中，深度条件生成模型彻底改变了逼真图像的生成，将其应用从娱乐领域扩展到了科学领域。单颗粒冷冻电子显微镜（cryo-EM）在解析蛋白质（如SARS-COV-2刺突蛋白）的近原子分辨率三维结构中起着至关重要的作用。为了实现高分辨率重建，已经采用了全面的数据处理流程。然而，由于缺乏用于训练的高质量标注数据集，其性能仍然受限。为了解决这一问题，我们引入了物理信息驱动的生成式冷冻电子显微镜（CryoGEM），它首次将基于物理的 cryo-EM 模拟与生成式非配对噪声转换相结合，以生成具有真实噪声的物理正确的合成 cryo-EM 数据集。最初，CryoGEM 基于虚拟样本模拟 cryo-EM 成像过程。为了生成真实的噪声，我们利用对比学习进行非配对噪声转换，并提出了一种新颖的掩码引导采样方案。大量实验表明，CryoGEM 能够生成真实的 cryo-EM 图像。生成的数据集可用作颗粒挑选和姿态估计模型的训练数据，最终提高重建分辨率。
引用
@article{arxiv.2312.02235,
title = {CryoGEM: Physics-Informed Generative Cryo-Electron Microscopy},
author = {Jiakai Zhang and Qihe Chen and Yan Zeng and Wenyuan Gao and Xuming He and Zhijie Liu and Jingyi Yu},
journal= {arXiv preprint arXiv:2312.02235},
year = {2024}
}