首页/论文/1311.7650

arXiv 1311.76502013-11-29stat.APstat.MEstat.ML

低温电子显微镜中的自适应非参数检测

Adaptive nonparametric detection in cryo-electron microscopy

Mikhail Langovoy, Michael Habeck, Bernhard Schoelkopf

备注：: Proceedings of the 58-th World Statistical Congress (2011)
发表信息：: Proceedings of the 58-th World Statistical Congress (2011), Session: High Dimensional Data, pp. 4456 - 4461

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

低温电子显微镜（cryo-EM）是一种新兴的实验方法来表征大的生物分子组装体的结构。单颗粒冷冻-EM记录三维颗粒的投影的2D图像（所谓的显微照片），其需要被处理以获得三维重建。重建过程中的一个关键步骤是颗粒拾取，这涉及到在通常为1：10或甚至更低的低信噪比的嘈杂2D显微照片中检测颗粒。通常情况下，每张图片包含大量的粒子，粒子具有未知的不规则和非凸形状。

英文摘要：

Cryo-electron microscopy (cryo-EM) is an emerging experimental method to characterize the structure of large biomolecular assemblies. Single particle cryo-EM records 2D images (so-called micrographs) of projections of the three-dimensional particle, which need to be processed to obtain the three-dimensional reconstruction. A crucial step in the reconstruction process is particle picking which involves detection of particles in noisy 2D micrographs with low signal-to-noise ratios of typically 1:10 or even lower. Typically, each picture contains a large number of particles, and particles have unknown irregular and nonconvex shapes.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

使用动态更新的非参数非平稳期望估计的基于贝叶斯的去卷积荧光显微术

Bayesian-based deconvolution fluorescence microscopy using dynamically updated nonparametric nonstationary expectation estimates

荧光显微镜广泛用于生物样品的研究。去卷积可以显着提高使用荧光显微镜产生的图像的分辨率和对比度;特别是，基于贝叶斯的方法在去卷积荧光显微镜中已经变得非常流行。基于贝叶斯的方法的持续挑战是在处理低SNR成像条件下的噪声的存在。在这项研究中，我们提出了一种基于贝叶斯的方法进行反卷积使用动态更新的非参数非平稳期望估计，可以提高荧光显微镜图像质量的噪声存在下，没有明确使用的空间正则化。

2015-02-03stat.APstat.ME

$γ$ - SUP：一种非对称颗粒低温电镜图像的聚类算法

$γ$-SUP: A clustering algorithm for cryo-electron microscopy images of asymmetric particles

低温电子显微镜（cryo-EM）最近已经成为一个强大的工具，获得三维（3D）结构的生物大分子在自然状态。用于导出有意义的重建的最小cryo-EM图像数据集由用少量电子拍摄的相同颗粒的数千个随机取向的投影组成。从2D投影计算3D结构需要聚类，其目的是通过对类似取向的图像进行分组来增强每个视图中的信噪比。然而，目前流行的聚类技术往往受到低温EM数据的三个特点：高噪声含量，高维数和大量的集群。此外，由于聚类需要通过2D对准将相似取向的图像配准到相同的像素坐标中，因此期望聚类算法可以将未对准的图像标记为离群值。在这里，我们介绍了一个聚类算法$γ$ -$γ$-高斯混合建模的数据，并采用最小$γ$ -散度估计，然后使用一个自更新过程来获得数值解。我们应用$γ$ -双光子成像技术对RNA聚合酶II和核糖体这两种基准大分子进行了冷冻电镜成像。在前一种情况下，选择模拟图像来将聚类与比对解耦，以证明$γ$ -ESTO比冷冻EM社区中使用的现有聚类方法对未对准离群值更鲁棒。在后一种情况下，我们的$γ$ -聚类方法消除了许多视图中的噪声，从而在投影水平上揭示了核糖体的真实结构特征。

2014-04-25stat.AP

从冷冻电子显微镜激发的二维投影图像重建具有对称统计的随机三维信号

Reconstruction of stochastic 3-D signals with symmetric statistics from 2-D projection images motivated by cryo-electron microscopy

冷冻电子显微镜提供了所研究的颗粒的许多实例的3-D电子散射强度的2-D投影图像（例如，病毒）。对称性（旋转点群）和不均匀性都是生物粒子的重要方面，并且这两个方面可以通过将粒子的电子散射强度描述为具有对称概率定律和对称矩的随机过程来组合。描述了一种由期望最大化算法实现的极大似然估计器，该估计器从粒子的实例的图像估计电子散射强度随机过程的未知统计。该算法被证明在噬菌体HK 97和病毒N $ω$ V.的结果与现有的算法，假设每个实例的粒子具有对称性，而不是限制较少的假设，概率定律具有对称性进行了对比。

2019-05-16physics.data-anq-bio.QMstat.AP

含噪高维图像的两级降维及其在低温电子显微镜中的应用

Two-stage dimension reduction for noisy high-dimensional images and application to Cryogenic Electron Microscopy

Institute of Statistical Science, Academia Sinica（中央研究院統計科學研究所）；Institute of Chemistry, Academia Sinica（中央研究院化學研究所）

主成分分析（PCA）可以说是最广泛使用的矢量型数据的降维方法。当应用于图像样本时，PCA需要对图像数据进行矢量化，这反过来又需要解决样本协方差矩阵的特征值问题。本文提出了一种两阶段降维（2SDR）方法，用于从高维噪声图像数据中重建图像重建。第一阶段将图像视为一个矩阵，这是一个2阶张量，并使用多线性主成分分析（MPCA）的矩阵降秩和图像去噪。第二阶段对降秩矩阵进行向量化，进一步降维降噪。仿真研究表明，2SDR的优良性能，为此，我们还开发了一个渐近理论，建立其秩选择的一致性。cryo-EM（低温电子显微镜），这已经彻底改变了结构生物学，有机和医学化学，细胞和分子生理学在过去的十年中，应用程序也提供和说明基准cryo-EM数据集。连接到其他同期的发展，图像重建和高维统计推断进行了讨论。

2021-02-27cs.CVeess.IVstat.AP

马氏距离在低温电磁图像类平均中的应用

Mahalanobis Distance for Class Averaging of Cryo-EM Images

Princeton University（普林斯顿大学）；UIUC（伊利诺伊大学厄巴纳-香槟分校）

来自冷冻电子显微镜（EM）的单粒子重建（SPR）是一种技术，其中分子的3D结构需要从其对比度传递函数（CTF）确定，在未知的观察方向上拍摄的噪声2D投影图像。冷冻EM中的主要挑战之一是所获取图像的典型低信噪比（SNR）。图像的2D分类，然后进行类平均，提高了所得平均值的SNR，并用于从显微照片中选择颗粒和检查颗粒图像。我们引入了一个新的亲和性措施，类似于马氏距离，比较属于不同散焦组的冷冻EM图像。采用新的相似性度量来检测相似图像，从而导致类平均的改进算法。我们评估了所提出的类平均程序在合成数据集上的性能，获得了最先进的分类。

2017-01-25cs.CVq-bio.BMstat.AP

ASOCEM：冷冻EM中污染物的自动分割

ASOCEM: Automatic Segmentation Of Contaminations in cryo-EM

Tel-Aviv University（特拉维夫大学）

粒子拾取是目前低温电子显微镜单粒子重建流水线中的关键步骤。所获得的显微照片中的污染物严重降低了颗粒拾取器的性能，导致在所收集的颗粒堆中存在许多"非颗粒“。在本文中，我们提出了ASOCEM（自动分割的污染物在冷冻EM），自动方法来检测和分割污染物，它只需要作为输入的近似颗粒大小。特别是，它不需要任何参数调整或手动干预。我们的方法是基于观察污染区域的统计分布是不同的，从其余的显微照片。这种非限制性的假设允许自动检测各种类型的污染物，从支撑网格的碳边缘到不同尺寸的高对比度斑点。我们证明了我们的算法使用各种实验数据集包含各种类型的污染的效率。ASOCEM作为KLT拣选机\cite{ELDAR2020107473}的一部分集成在\url{https://github.com/ShkolniskyLab/kltpicker2}上。

2022-01-18cs.CVstat.AP

更多相关论文收起更多论文

基于非凸贝叶斯优化的低剂量冷冻电子重叠关联成像

Low-dose cryo electron ptychography via non-convex Bayesian optimization

最近，电子重叠关联成像对于原子或近原子分辨率的相敏成像的兴趣激增。然而，迄今为止，应用主要限于辐射硬样品，因为所需的剂量太高，无法以高分辨率对生物样品进行成像。我们建议使用非凸，贝叶斯优化来克服这个问题，并减少成功重建所需的剂量由两个数量级相比，以前的实验。我们建议使用这种方法在低温下对单个生物大分子进行成像，并在20 $e^- / Å^2$的剂量下从分辨率为7.9 μ $\,$的模拟数据中展示2D单粒子重建。当仅对15个低剂量数据集取平均值时，对于大分子复合物，4 μ $\,$的分辨率是可能的。由于其独立于显微镜的传递函数，直接恢复的相位衬度和更好的缩放的信噪比，冷冻电子重叠关联可能成为一个有前途的替代泽尼克相衬显微镜。

2017-02-19math.OCphysics.comp-phphysics.data-an

用于高分辨率单颗粒冷冻EM的无监督颗粒分选

Unsupervised particle sorting for high-resolution single-particle cryo-EM

Duke University（杜克大学）；Princeton University（普林斯顿大学）；Tel Aviv University（特拉维夫大学）；Duke University School of Medicine（杜克大学医学院）

单粒子低温电子显微镜（EM）已成为一种流行的技术，用于确定其他技术无法获得的具有挑战性的生物分子的结构。自动化的最新进展，无论是在数据汇集和数据处理，已显着降低了障碍，为非专家用户成功地执行结构确定工作流程。然而，许多关键的数据处理步骤仍然需要专家用户干预，以便收敛到正确的高分辨率结构。特别是，识别同质粒子群的策略严重依赖于主观标准，这些标准在不同用户之间并不总是一致或可重复的。在这里，我们探讨了使用无监督的策略，颗粒分选是兼容的自主操作的图像处理管道。更具体地说，我们表明，粒子可以成功地排序基于一个简单的统计模型，在细化过程中分配的分数分布。这代表了使用单粒子cryo-EM进行蛋白质结构测定的自动化工作流程的发展的重要一步。

2019-10-22cs.CVeess.IVstat.AP