本文介绍了为了促进计算方法的创新，生成了一个新的模拟数据集，用于评估在 cryo - 电子断层扫描中蛋白质的定位和分类的不同方法。我们评估了七种不同的方法，包括基于学习的方法和传统方法，结果表明学习方法比传统方法具有更好的定位和分类性能，并且所有方法的性能与粒子大小之间存在负相关关系。

Mar, 2022

本文介绍了一种新颖的通过深度神经网络在傅里叶空间编码结构，将粒子和共同体的不断变化的结构进行建模，并通过准确的图像定向使得模型能从无标注的 2D 冷冻电镜图像训练出来，最终得到了一种直接对冷冻电镜图像进行连续体蛋白质结构建模的方法 cryoDRGN，在模拟和真实 2D 冷冻电镜图像数据上实现了 3D 蛋白质复合物的 ab initio 重建。

Sep, 2019

本研究提出基于 bispectrum 和 vector diffusion maps 的 Cryo-EM 图像旋转不变检索和分类方法，相较于先前的参考无关的方法在精度和速度方面有明显提高。

Sep, 2013

本论文探讨了利用随机优化技术解决 Cryo-EM 密度估计问题，从而重构生物分子的 3D 结构，并在真实数据和合成数据上进行实验验证，实现了从随机初始值进行快速收敛的目标。

Jan, 2015

该论文提出了两种新的算法（分别为正交扩展和正交替换），用于单粒子重建过程中，从均匀分布在球面上的二维图像的自相关函数中检索出缺失的正交矩阵。这些算法基于 X 射线晶体学中的相位恢复问题，并在模拟数据上进行了验证。

Dec, 2014

理解生物大分子的结构对于细胞功能密切相关至关重要，特别是准确理解肌动蛋白纤维的组织是非常关键的，而这是因为它们形成了动态的细胞骨架，对细胞提供结构支持并连接其内部与周围环境。为了解决肌动蛋白纤维的精确组织问题，本文介绍了三种新的计算方法，并引入了用于确定蛋白质二级结构位置的卷积神经网络 (CNN) 模型和用于估计中分辨率冷冻电子显微镜图像中螺旋区域图像结构相似性的新算法。

Mar, 2024

本文提出一种新的估计框架，利用现代随机优化技术和一种新的技术，在单个工作站上就能够在一天内从大规模数据集中估算出分子的三维结构。

Apr, 2015

本文提出一种基于加性噪声和神经风格迁移技术的电子显微镜前向算子模拟方法，加速了数据生成过程，同时利用 GPU 加速和并行处理，可作为数据增强技术或单独使用以适应数据集，其在粒子定位和分类任务上的表现与基准相当，并且需要的训练数据集要少 33 倍。

Apr, 2023

本文介绍和评估了一组特征向量表示晶体结构的机器学习 (ML) 模型，来预测固体的形成能。通过考虑三种方法将一个 Coulomb 矩阵推广到周期系统，则通过使用具有曼哈顿范数的拉普拉斯核的测试，对于由 Materials Project 所获得的 3938 个晶体结构的数据集进行训练。

Mar, 2015

本研究提出了使用变分自编码器的深度学习方法，从挑选后的粒子图像中恢复连续分布的原子蛋白质结构和构象，并在现实模拟数据上展示了其有效性，希望能够将该方法应用于更好地理解非刚性蛋白结构。

Jun, 2021