从冷冻电镜图像重建三维蛋白质结构的连续分布
定量方法
2020-02-18 v3 计算机视觉与模式识别
机器学习
图像与视频处理
机器学习
摘要
冷冻电子显微镜（cryo-EM）是一种在近原子分辨率下测定蛋白质及其他大分子复合物结构的有力技术。在单颗粒冷冻电镜中，核心问题是从 张含噪且随机取向的二维投影中重建大分子的三维结构。然而，所成像的蛋白质复合物可能表现出结构变异性，这使重建复杂化，通常采用离散聚类方法来处理，但无法捕捉蛋白质动力学的全部范围。在此，我们提出一种新颖的冷冻电镜重建方法，可自然扩展至对结构异质性的连续生成因子进行建模。该方法利用基于坐标的深度神经网络在傅里叶空间中编码结构，并通过将图像取向的精确推断与结构异质性的变分推断相结合，从未标记的二维冷冻电镜图像中训练这些网络。我们证明所提出的方法（称为 cryoDRGN）能够从模拟和真实的二维冷冻电镜图像数据中对三维蛋白质复合物进行从头重建。据我们所知，cryoDRGN 是首个基于神经网络的冷冻电镜重建方法，也是首个从冷冻电镜图像直接重建蛋白质结构连续集合的端到端方法。
引用
@article{arxiv.1909.05215,
title = {Reconstructing continuous distributions of 3D protein structure from cryo-EM images},
author = {Ellen D. Zhong and Tristan Bepler and Joseph H. Davis and Bonnie Berger},
journal= {arXiv preprint arXiv:1909.05215},
year = {2020}
}