CryoSPIN：基于半 amortized 姿态推断改进原子分辨率冷冻电子显微镜重建
计算机视觉与模式识别
2024-10-04 v2 机器学习
摘要
冷冻电子显微镜（Cryo-EM）正日益流行于确定从噪声 2D 图像中捕获的大分子复合物（如蛋白质）的原子分辨率 3D 结构。计算任务是重建粒子的 3D 密度场，以及每个 2D 图像中粒子的 3D 姿态，而后者的后验姿态分布高度多模态。近期的 Cryo-EM 研究聚焦于深度学习方法，采用 amortized inference 预测姿态。然而，这种方法面临若干问题。本文提出一种新型半 amortized 方法，cryoSPIN，其中重建从 amortized inference 开始，然后切换为一种自解码形式，以使用随机梯度下降对姿态进行局部细化。通过在合成数据集上进行评估，我们展示了 cryoSPIN 能够在 amortized inference 阶段处理多模态姿态分布，而后更灵活的直接姿态优化阶段可实现姿态更快更准确的收敛，优于现有基线方法。在实验数据上，我们表明 cryoSPIN 在速度和重建质量方面均优于最先进的 cryoAI。
引用
@article{arxiv.2406.10455,
title = {CryoSPIN: Improving Ab-Initio Cryo-EM Reconstruction with Semi-Amortized Pose Inference},
author = {Shayan Shekarforoush and David B. Lindell and Marcus A. Brubaker and David J. Fleet},
journal= {arXiv preprint arXiv:2406.10455},
year = {2024}
}
备注
NeurIPS 2024, Project webpage: https://shekshaa.github.io/semi-amortized-cryoem