DeepPicker：一种用于cryo-EM中全自动化颗粒挑选的深度学习方法
定量方法
2016-05-09 v1 机器学习
摘要
颗粒挑选是单颗粒分析中耗时的步骤，并且经常需要用户的大量干预，这已成为未来自动化电子低温显微镜（cryo-EM）的瓶颈。这里我们报告一个深度学习框架，称为DeepPicker，以解决此问题并填补当前迈向全自动化cryo-EM流程的空白。DeepPicker采用新颖的跨分子训练策略从先前分析过的显微图像中捕获颗粒的共同特征，因此在颗粒挑选过程中不需要任何人工干预。在最近发布的三个复合物的cryo-EM数据上的测试表明，我们基于深度学习的方案能成功完成人类水平的颗粒挑选过程，并识别出数量充足的颗粒，可与人类专家手动挑选的相媲美。这些结果表明DeepPicker可提供一个实用有用的工具，显著减少单颗粒分析中花费的时间和人工努力，从而极大促进高分辨率cryo-EM结构测定。
引用
@article{arxiv.1605.01838,
title = {DeepPicker: a Deep Learning Approach for Fully Automated Particle Picking in Cryo-EM},
author = {Feng Wang and Huichao Gong and Gaochao liu and Meijing Li and Chuangye Yan and Tian Xia and Xueming Li and Jianyang Zeng},
journal= {arXiv preprint arXiv:1605.01838},
year = {2016}
}