Aug, 2023

从液相电子显微镜视频中恢复分子的三维动力学

PDF
TL;DR通过结合内隐神经表示（INR）和动态变分自编码器（DVAE），我们提出了一种名为 TEMPOR 的用于液相电子显微镜（liquid-phase EM）的时间电子显微镜物体重建算法，可以恢复分子结构的时间序列，从而直接观察分子的三维动态变化。这项研究为结构生物学中研究分子的三维动态变化提供了一种有前景的新方法。
biomoleculesliquid-phase electron microscopydynamicstemporal electron microscopy object reconstruction algorithmstructural biology
发现论文，激发创造
  • 将复杂冷冻电子显微镜分子结构分解成聚合物链重构

    该研究提出了一种新的生物分子三维重建方法称为 CryoChains，可通过其聚合物实例（链）的刚体变换将生物分子的大变形量进行编码，同时使用生物物理的正常模分析框架表示其更细微的形状变化，可在比当前最快的可解释的深度学习方法更高分辨率地重建其三维分子结构。

    Jun, 2023

  • 一天内构建蛋白质：高效三维分子重建

    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

  • 从冷冻电子显微图像中重建 3D 蛋白质结构的连续分布

    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

  • 使用 VAEs 从冷冻电子显微成像中推断出原子坐标的连续分布

    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

  • 大规模学习中的微观进展：冷冻电子显微学的随机优化

    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

  • 使用 ACE-EM 进行增强型从头开始的 Cryo-EM 三维重建

    本研究提出了一种自编码器架构 ACE-EM，用于解决冷冻电子显微镜中利用 2D 投影图进行 3D 恢复时遇到的姿态估计与图像重构问题。该方法表现出高姿态空间覆盖率、重构效果好、且是达到 Nyquist 分辨率的唯一自编码器方法。

    Feb, 2023

  • GenEM: 物理信息生成式低温电子显微镜

    提出了一种新的方法 ——GenEM，该方法是将物理准确的冷冻电镜模拟和生成式非成对噪声转换相结合，生成具有真实噪声的合成冷冻电镜数据集，用于改善高分辨率蛋白质结构的重建分辨率。

    Dec, 2023

  • 鲁棒的单颗粒冷冻电镜图像去噪与修复

    该研究介绍了一种扩散模型和后处理框架，能够有效地降噪和修复单颗粒冷冻电子显微图像，并能够获得更准确和高分辨率的三维重建结构。

    Jan, 2024

  • SHREC 2021: 冷冻电子断层扫描的分类

    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

  • 基于冰冻电子显微密度图的蛋白质结构的深度学习重建：最新进展与未来的方向

    综述了用于自动重建蛋白质结构的各种深度学习方法，分析了它们的影响，并讨论了为训练深度学习模型准备高质量数据集的挑战。未来，需要开发更先进的深度学习模型，能够有效地将冷冻电镜数据与其他补充数据源（如蛋白质序列和 AlphaFold 预测结构）相结合，以进一步推动领域的发展。

    Sep, 2022