面向原位巨分子形态的无监督 SE(3) 解耦方法——基于冷电子断层扫描
计算机视觉与模式识别
2026-01-06 v1
摘要
冷电子断层扫描 (cryo-ET) 提供了对细胞内巨分子的直接 3D 可视化，使其能够分析其原位形态。这种形态可视为 SE(3) 不变的、去噪后的体积表示，从细胞 tomography 中提取的子体积。因此，推断形态是同时估计模板形态及其 SE(3) 变换的反问题。现有基于期望最大化的解决方案常常忽略稀有但重要的形态，并需要 extensive 手动调参。针对此问题，我们提出了一种解耦深度表示学习框架，在表示空间中将 SE(3) 变换从形态内容中解耦。该框架包括一个新颖的多选择学习模块，使该解耦针对高噪声 cryo-ET 数据有效实现。所学得的形态内容用于生成模板形态。实验在模拟和真实 cryo-ET 数据集上表明，相对于先前方法，本方法显著改进，包括发现此前未被识别的巨分子形态。
引用
@article{arxiv.2601.01364,
title = {Unsupervised SE(3) Disentanglement for in situ Macromolecular Morphology Identification from Cryo-Electron Tomography},
author = {Mostofa Rafid Uddin and Mahek Vora and Qifeng Wu and Muyuan Chen and Min Xu},
journal= {arXiv preprint arXiv:2601.01364},
year = {2026}
}