面向 Cryo-ET 亚体素分析的基石模型
计算机视觉与模式识别
2025-10-07 v2
摘要
冷冻电子断层扫描（cryo-ET）实现了生物大分子结构的原位可视化，其中诸如分类、对齐和平均等亚体素分析任务对于结构确定至关重要。然而，由于标注稀缺、噪声严重以及泛化性差，有效的分析受到阻碍。为此，我们首次致力于为 cryo-ET 亚体素构建基石模型。首先，我们引入 CryoEngine—a 大规模合成数据生成器，生成超过 904k 个亚体素，涵盖 452 个粒子类别，用于预训练。其次，我们设计了基于自适应相分块增强的 Vision Transformer（APT-ViT），其中的自适应相分块作为等变性增强模块，提高了对几何和语义变异的鲁棒性。第三，我们提出 Noise-Resilient Contrastive Learning（NRCL）策略，以稳定严重噪声下的表征学习。跨越 24 个合成和真实数据集的评估表明，我们在所有三大亚体素任务上实现最新进展（SOTA）性能，并对未见数据集展现出强大的泛化能力，推动了 cryo-ET 中可扩展且稳健的亚体素分析。
引用
@article{arxiv.2509.24311,
title = {Towards Foundation Models for Cryo-ET Subtomogram Analysis},
author = {Runmin Jiang and Wanyue Feng and Yuntian Yang and Shriya Pingulkar and Hong Wang and Xi Xiao and Xiaoyu Cao and Genpei Zhang and Xiao Wang and Xiaolong Wu and Tianyang Wang and Yang Liu and Xingjian Li and Min Xu},
journal= {arXiv preprint arXiv:2509.24311},
year = {2025}
}