CryoMAE：基于掩码自编码器的少样本冷冻电镜粒子挑选
生物大分子
2024-04-17 v1 计算机视觉与模式识别
摘要
冷冻电镜（cryo-EM）成为以近原子分辨率确定细胞、病毒和蛋白质组装体结构的关键技术。传统的粒子挑选是冷冻电镜的关键步骤，但面临手动操作和自动化方法对低信噪比及不同粒子取向敏感的问题。此外，现有的基于神经网络的方法通常需要大量标注数据集，限制了其实用性。为了克服这些障碍，我们引入了CryoMAE，一种基于少样本学习的新方法，利用掩码自编码器（MAE）的能力实现冷冻电镜图像中单粒子的高效选择。与传统的基于神经网络的技术相反，CryoMAE仅需要极少量的正粒子图像进行训练，却在粒子检测中表现出高性能。此外，自交叉相似性损失的实现确保了粒子和背景区域的特征区分，从而增强了CryoMAE的判别能力。在大规模冷冻电镜数据集上的实验表明，CryoMAE优于现有最先进方法，将三维重建分辨率提高了高达22.4%。
引用
@article{arxiv.2404.10178,
title = {CryoMAE: Few-Shot Cryo-EM Particle Picking with Masked Autoencoders},
author = {Chentianye Xu and Xueying Zhan and Min Xu},
journal= {arXiv preprint arXiv:2404.10178},
year = {2024}
}