噪声结构化：粒子挑选中的确认偏差
信号处理
2026-04-14 v3 定量方法
摘要
单粒子冷冻电子显微镜 (cryo-EM) 和冷冻电子断层扫描 (cryo-ET) 的计算管道包括早期粒子挑选阶段，在该阶段会扫描微图或断层图以提取候选粒子，通常通过模板匹配或深度学习技术实现。随后将提取的粒子传递到诸如分类和 3D 重建等下游任务中。虽然人们已经熟悉粒子挑选对模板或所学先验选择的敏感性，但对由此引入偏差的定量理论一直缺乏。本文发展了一个用于分析模板匹配检测偏差的数学框架，具体应用于 cryo-EM 和 cryo-ET。我们通过两个下游任务来研究该偏差：(i) 高斯混合模型 (GMM) 中类均值的最大似然估计，和 (ii) 从提取的粒子堆栈进行 3D 体积重建。我们表明，当应用于纯噪声的模板匹配时，在广泛的噪声模型下，所得的最大似然估计在渐近意义上收敛于来自用户指定模板的确定性、噪声依赖的变换，从而产生一种从噪声中结构化的效应。我们进一步表征了该偏差如何取决于噪声统计特性、样本量、维度和检测阈值。最后，利用标准 cryo-EM 软件进行的受控实验证实了该理论，表明在低信噪比数据中可复现地产生结构化噪声伪像。
引用
@article{arxiv.2507.03951,
title = {Structure from Noise: Confirmation Bias in Particle Picking in Structural Biology},
author = {Amnon Balanov and Alon Zabatani and Tamir Bendory},
journal= {arXiv preprint arXiv:2507.03951},
year = {2026}
}