中國粉體網訊 中國科學院生物物理研究所蛋白質科學研究平臺生物成像中心與中國科學院自動化研究所多模態人工智能系統實驗室合作，以人工智能技術賦能原位結構生物學，提出了一種基于弱監督深度學習的快速準確的顆粒挑選方法DeepETPicker。相關研究近日發表于《自然-通訊》。
原位冷凍電鏡技術是原位結構生物學研究中的關鍵手段。這一技術流程中的生物大分子的顆粒挑選，即定位識別是一個關鍵環節，但現有自動挑選方法的應用受人工標注量大、計算成本高和顆粒質量不理想等多方面限制。
據介紹，DeepETPicker僅需少量人工標注顆粒進行訓練，即可實現快速準確的三維顆粒自動挑選。DeepETPicker優選簡化標簽來替代真實標簽，并采用更高效的模型架構、更豐富的數據增強技術和重疊分區策略來提升小訓練集時模型的性能;為了提高顆粒定位的速度，DeepETPicker采用GPU加速的平均池化-非極大值抑制后處理操作，與現有的聚類后處理方法相比挑選速度提升數十倍。
在冷凍電子斷層掃描圖像中使用DeepETPicker挑選顆粒的整體工作流程
在6種定量指標全面評價顆粒挑選質量的性能評估中，DeepETPicker在仿真與真實數據集上均可實現快速準確的顆粒挑選，其綜合性能明顯優于現有的其他方法，生物大分子結構重建實現的分辨率也達到采用專家人工挑選顆粒進行結構重建的水平，進一步體現了DeepETPicker在原位高分辨率結構解析中的實用價值。目前，為方便用戶使用，項目團隊推出了操作簡潔、界面友好的開源軟件以輔助用戶完成圖像預處理、顆粒標注、模型訓練與推理等操作。
(中國粉體網編輯整理/昧光)
注：圖片非商業用途，存在侵權告知刪除!
