冷冻电子显微镜(Cryo-EM)已成为结构生物学中基本重要性的工具,帮助我们了解生活的基本构建基础。冷冻EM的算法挑战是共同估计未知的3D姿势和来自数百万个极其嘈杂的2D图像的生物分子的3D电子散射潜力。但是,由于其高度计算和内存成本,现有的重建算法无法轻易地与迅速增长的低温EM数据集尺寸保持同步。我们介绍了Cryoai,这是一种用于均匀构象的从头算重建算法,该构型使用基于直接梯度的粒子姿势优化和来自单粒子冷冻EM数据的电子散射电位。冷冻ai结合了一个学识渊博的编码器,该编码器将每个粒子图像的姿势与基于物理的解码器进行汇总,以将每个粒子图像汇总到散射势体积的隐式表示中。该卷存储在傅立叶域中以提高计算效率,并利用现代坐标网络体系结构来提高内存效率。结合对称损耗函数,该框架可在模拟和实验数据中与最先进的冷冻EM求解器达到质量的结果,对于大型数据集而言,一个数量级的阶数级,并且具有明显低的存储器需求现有方法。
translated by 谷歌翻译