用于冷冻电镜中复杂混合物从头重建的元算法
A meta-algorithm for ab initio reconstruction of complex mixtures in cryo-EM
浏览论文内容
中文总结 AI 辅助
该研究提出一种冷冻电镜重建的元算法，可对含数十种不同物种的数据集进行从头重建，在Tomotwin-100数据集上取得高准确率，为自动化冷冻电镜工作流程奠定基础。
中文摘要 AI 辅助
我们描述了一种用于生成和聚合多类别冷冻电镜（cryo-EM）重建任务的系统方法。该方法将从业者通常用于分类不纯、异质样本的迭代分类与过滤这类临时策略形式化。据我们所知，这是首个能在包含数十种不同物种的数据集上成功执行从头重建的方法。我们在Tomotwin-100的45类子集的从头重建上取得了97%的准确率，在完整Tomotwin-100数据集上取得了75%的准确率，并从未过滤的实验冷冻电镜数据集中证明了核糖体组装状态的恢复。我们的方法的能力随计算资源扩展，为现代实验环境中的自动化冷冻电镜工作流程奠定了基础。
英文摘要
We describe a systematic approach for spawning and aggregating multi-class cryo-EM reconstruction jobs. This approach formalizes standard ad hoc strategies of iterative classification and filtering typically used by practitioners to sort impure, heterogeneous samples. To our knowledge, this is the first method that can successfully perform ab initio reconstruction on datasets containing dozens of distinct species. We obtain 97% accuracy on ab initio reconstruction of a 45-class subset of Tomotwin-100, 75% accuracy on the full Tomotwin-100 dataset, and demonstrate recovery of ribosomal assembly states from an unfiltered experimental cryo-EM dataset. Our approach's capability scales with compute and lays the foundation for automated cryo-EM workflows in modern experimental settings.
发表机构
- Princeton University（普林斯顿大学）
- University of California, Berkeley（加利福尼亚大学伯克利分校）
机构由 AI 辅助整理，请以论文原文为准。
