冷冻电镜图像的神经表示及基于图的解释
摘要：原子和近原子分辨率成像技术的进步（如冷冻电子显微镜（cryo-EM））已经导致了全球数据库中高分辨率的蛋白质和其他大分子结构图像的大量涌现。从cryo-EM地图的离散体素网格数据中产生蛋白质结构涉及到在连续空间域中进行插值。我们提出了一种称为神经cryo-EM地图的新数据格式，该格式由一组能够准确参数化cryo-EM地图并提供密度和梯度的原生、空间连续数据的神经网络组成。作为对该数据格式的案例研究，我们使用基于图的方法对高分辨率实验cryo-EM地图进行解释。使用非线性神经cryo-EM格式插值的归一化cryo-EM地图值比常规三线性插值更准确，平均绝对误差小于0.01，而常规三线性插值的平均绝对误差可达0.12。我们对115个分辨率从1.15到4.0埃的实验cryo-EM地图进行的基于图的解释在胺基酸残基位置上具有很高的覆盖率，而节点的准确性与分辨率相关。原子分辨率地图（高于1.6埃）创建的图的节点提供了超过99％的残基覆盖率，以及85％的完全原子覆盖率，均方根偏差小于0.19埃。其他图具有平均84％的残基覆盖率，由于实验噪声和较低分辨率下密度环境的差异，节点的特异性较低。该工作可以推广为将任何基于3D网格的数据格式转化为非线性、连续和可微分的格式，用于下游几何深度学习应用。
作者：Nathan Ranno, Dong Si
论文ID：2104.01468
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-04-06