$\gamma$-SUP：一种用于非对称颗粒冷冻电镜图像的聚类算法

冷冻电子显微镜 (cryo-EM) 最近已成为获取生物大分子天然态三维 (3D) 结构的有力工具。推导有意义重构所需的最小 cryo-EM 图像数据集，由数千张在少量电子下拍摄的相同颗粒的随机取向投影组成。从 2D 投影计算 3D 结构需要聚类，其目的是通过将相似取向的图像分组来提高每个视图的信噪比。然而，现有的聚类技术往往受到 cryo-EM 数据三个特征的制约：高噪声含量、高维度和大量簇。此外，由于聚类需要通过 2D 对齐将相似取向的图像注册到相同的像素坐标，因此希望聚类算法能够将被错位对齐的图像标记为离群值。在此，我们引入了一种聚类算法 $\gamma$-SUP，该算法使用 $q$-高斯混合模型对数据进行建模，采用最小 $\gamma$-散度进行估计，然后使用自更新过程获得数值解。我们将 $\gamma$-SUP 应用于两种基准大分子 RNA 聚合酶 II 和核糖体的 cryo-EM 图像。在前一种情况下，选择模拟图像以将聚类与对齐解耦，从而证明 $\gamma$-SUP 比 cryo-EM 社区中现有的聚类方法对错位离群值更具鲁棒性。在后一种情况下，我们的 $\gamma$-SUP 方法对真实 cryo-EM 数据的聚类消除了许多视图中的噪声，从而在投影水平上揭示了核糖体的真实结构特征。