CryoSAMU: 用于提升蛋白质结构中间分辨率下 3D 冷冻电子显微镜密度图的结构感知多模态 U-Net
计算机视觉与模式识别
2025-05-16 v2 人工智能
机器学习
生物大分子
摘要
提升蛋白质结构在4-8 Å中间分辨率下的冷冻电子显微镜（cryo-EM）3D密度图对于蛋白质结构 determination 至关重要。近期深度学习的进展导致开发了自动化的方法来增强实验cryo-EM密度图。然而，这些方法未针对中间分辨率图进行优化，仅依赖密度特征。为此，我们提出CryoSAMU—a一种新方法，旨�使用结构感知的多模态U-Net增强蛋白质结构的3D cryo-EM密度图，并在精选的中间分辨率密度图上进行训练。我们全面评估了CryoSAMU在各种指标上的表现，证明其在性能上与当前最先进的方法相称。值得注意的是，CryoSAMU实现了显著更快的处理速度，展现了未来实际应用的潜力。我们的代码可在https://github.com/chenwei-zhang/CryoSAMU获取。
引用
@article{arxiv.2503.20291,
title = {CryoSAMU: Enhancing 3D Cryo-EM Density Maps of Protein Structures at Intermediate Resolution with Structure-Aware Multimodal U-Nets},
author = {Chenwei Zhang and Khanh Dao Duc},
journal= {arXiv preprint arXiv:2503.20291},
year = {2025}
}
备注
19 pages, 6 main figures, 2 supplementary figures, 3 main tables, 4 supplementary tables