利用 Ptolemy 学习实现冷冻电镜数据收集的自动化

在过去十年中，冷冻电子显微镜（cryo-EM）已成为测定生物大分子近天然、近原子分辨率三维结构的主要方法。为满足对 cryo-EM 日益增长的需求，需要能够提高通量与效率同时降低成本的自动化方法。目前，所有高倍率 cryo-EM 数据收集软件都需要人工输入和手动调参。专家操作员必须浏览低倍和中倍图像以找到良好的高倍率收集位置。将此自动化并非易事：图像信噪比低，并受到每次收集 session 可能不同的多种实验参数影响。在此，我们使用多种计算机视觉算法，包括混合模型、卷积神经网络和 U-Net，开发了首个自动化低倍与中倍靶向的流水线。该流水线中的学习模型在来自真实世界 cryo-EM 数据收集 session 的大型内部图像数据集上训练，并以操作员所选位置作为标签。利用这些模型，我们表明我们能有效检测并分类低倍与中倍图像中的感兴趣区域，并能泛化至未见的 session，以及外部设施使用不同显微镜捕获的图像。我们期望我们的开源流水线 Ptolemy 既能作为 cryo-EM 数据收集自动化的即时可用工具，也能作为未来高效自动化 cryo-EM 显微镜先进方法的基础。