ICLRJun, 2024

Cryo-EM 图像中姿态的等变化摊销推理

PDF
TL;DR冷冻电子显微术是一种确定蛋白质和病毒等生物分子三维结构的重要技术。本文探索了 cryoAI 管道中收敛问题的出现和持久性以及等变的摊解推理对增强收敛的影响，研究发现在模拟数据上，集成了等变编码器的管道不仅收敛更快、更频繁，而且在姿态估计准确度和重建体积的分辨率方面表现出优越性。值得注意的是，$D_4$- 等变编码器使对称损失变得多余，从而允许更高效的重建管道。
cryo-emreconstructionamortized inference methodsconvergence issuesequivariant encoder
发现论文，激发创造
  • 借助半摊销偏姿态推理改进从头开始的冷冻电镜重构

    我们提出了一种新的方法来通过 Cryo-Electron Microscopy 技术从 2D 图像中估计蛋白质等大分子复合物的 3D 结构，该方法采用多头架构作为一种姿态编码器，以一种摊销的方式推断出每个图像中多个可能的姿态，并通过自动解码方式对姿态进行修正，实验证明我们的方法能够处理任务的初期高不确定性，快速并准确地收敛。

    Jun, 2024

  • ACE-HetEM 用于从头开始的异质性冷冻电子显微镜三维重建

    我们提出了一种基于摊销推理的无监督深度学习架构，名为 “ACE-HetEM”，可以在低信噪比和未知姿态条件下从 2D 图像中重建三维结构，并实现构象分类和姿态估计的解耦。模拟实验结果表明，ACE-HetEM 在姿态估计上具有可比较的准确性，并且比非摊销方法重建分辨率更高，同时还适用于真实实验数据集。

    Aug, 2023

  • 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

  • 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

  • Cryo 论坛：一种带有不确定度测量的方向恢复框架及其在冷冻电子显微图像分析中的应用

    一种基于深度学习的方法，使用 10 维特征向量表示方向，并应用二次约束二次规划推导出预测的方向作为单位四元数，附加不确定度指标，提出了一种考虑方向之间的成对距离的独特损失函数以提高方法的准确性，在文献中全面评估了编码器网络的设计选择。我们的数值分析证明了我们的方法在端到端的方式从 2D 冷冻电子显微镜图像中有效地恢复方向。重要的是，包括不确定度量化，允许在 3D 级别直接清理数据集。最后，我们将我们提出的方法打包到一个名为 cryo-forum 的开发者易于访问的软件套件中。

    Jul, 2023

  • 迭代摊销推断

    我们提出了迭代推理模型，它通过反复编码梯度来学习执行推理优化，从而实现对标准推理模型在多个基准数据集的图像和文本上的超越。

    Jul, 2018

  • 贝叶斯神经网络中的摊还推断

    在本文中，我们提出了一种更数据高效的概率元学习方法，通过对贝叶斯神经网络的推理进行逐数据点摊销，引入了摊销伪观测变分推理贝叶斯神经网络（APOVI-BNN）。我们展示了在我们的摊销方案下获得的近似后验与传统变分推理获得的近似后验在质量上是相似或更好的，尽管摊销推理是在单个前向传递中执行的。然后，我们讨论了如何将 APOVI-BNN 看作神经过程家族的新成员，以此作为激励使用神经过程训练目标，以实现在复杂问题上更好的预测性能。最后，我们评估了 APOVI-BNN 在一维回归问题和更复杂的图像完成设置中与其他概率元模型的预测性能，在训练数据有限的情况下，我们的模型在同类模型中表现最好。

    Sep, 2023

  • 从液相电子显微镜视频中恢复分子的三维动力学

    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。

    Aug, 2023

  • 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

  • 学习如何解决贝叶斯反问题：一种分摊变分推断方法

    本文提出了一种基于深度神经网络参数化的先验分布方法，通过学习贝叶斯逆映射实现了实时推理。经过基准问题的验证，该方法的后验估计与马尔可夫链蒙特卡罗方法的对应结果一致，并在前向传递神经网络的代价下提供了观测的后验参数。

    May, 2023