論文の概要: CryoSPIN: Improving Ab-Initio Cryo-EM Reconstruction with Semi-Amortized Pose Inference

• arxiv url: http://arxiv.org/abs/2406.10455v2
• Date: Wed, 02 Oct 2024 19:20:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-04 23:30:44.653094
• Title: CryoSPIN: Improving Ab-Initio Cryo-EM Reconstruction with Semi-Amortized Pose Inference
• Title（参考訳）: CryoSPIN:半修正ポス推論によるAb-initio Cryo-EM再構成の改善
• Authors: Shayan Shekarforoush, David B. Lindell, Marcus A. Brubaker, David J. Fleet,
• Abstract要約: Cryo-EMは、高分子錯体の原子分解能3次元構造を決定する方法として人気が高まっている。 近年のCryo-EMの進歩は、アモートされた推論がポーズを予測するために使われている深層学習に焦点が当てられている。 本稿では,半アモタイズ法であるCryoSPINを提案する。この手法では,復元はアモタイズされた推論から始まり,自動デコードに切り替える。
• 参考スコア（独自算出の注目度）: 30.195615398809043
• License:
• Abstract: Cryo-EM is an increasingly popular method for determining the atomic resolution 3D structure of macromolecular complexes (eg, proteins) from noisy 2D images captured by an electron microscope. The computational task is to reconstruct the 3D density of the particle, along with 3D pose of the particle in each 2D image, for which the posterior pose distribution is highly multi-modal. Recent developments in cryo-EM have focused on deep learning for which amortized inference has been used to predict pose. Here, we address key problems with this approach, and propose a new semi-amortized method, cryoSPIN, in which reconstruction begins with amortized inference and then switches to a form of auto-decoding to refine poses locally using stochastic gradient descent. Through evaluation on synthetic datasets, we demonstrate that cryoSPIN is able to handle multi-modal pose distributions during the amortized inference stage, while the later, more flexible stage of direct pose optimization yields faster and more accurate convergence of poses compared to baselines. On experimental data, we show that cryoSPIN outperforms the state-of-the-art cryoAI in speed and reconstruction quality.
• Abstract（参考訳）: Cryo-EMは、高分子錯体(例えばタンパク質)の原子分解能3D構造を、電子顕微鏡で捉えたノイズの多い2D画像から決定する手法として、ますます人気が高まっている。 計算課題は粒子の3次元密度と各2次元画像中の粒子の3次元ポーズを再構成することである。 近年のCryo-EMの進歩は、アモートされた推論がポーズを予測するために使われている深層学習に焦点が当てられている。 本稿では,本手法の重要な問題に対処し,半修正法であるCryoSPINを提案する。 合成データセットの評価により,CryoSPINは暗黙の推論段階において多モードのポーズ分布を処理できることが示され,その後,よりフレキシブルな直接ポーズ最適化の段階は,ベースラインと比較してより速く,より正確なポーズ収束をもたらすことが示されている。 実験データから,CryoSPINは最先端のCryoAIよりも高速で再現性が高いことを示した。

関連論文リスト

• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• CryoFormer: Continuous Heterogeneous Cryo-EM Reconstruction using Transformer-based Neural Representations [49.49939711956354]
  核電子顕微鏡(cryo-EM)は、タンパク質やその他の生体分子の3D構造を高分解能で再構築することを可能にする。 3次元構造の連続的な動きをノイズやランダムに配向した2次元Creo-EM画像から再構成することは依然として困難である。 我々はCryoFormerを提案する。CryoFormerは連続したヘテロジニアスCryo-EM再構成のための新しいアプローチである。
  論文  参考訳（メタデータ） (2023-03-28T18:59:17Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• Fast and robust single particle reconstruction in 3D fluorescence microscopy [1.0625549557437526]
  単一粒子再構成は、軸方向分解能と蛍光標識の度合いを改善するための強力な技術である。 3次元蛍光顕微鏡における畳み込みモデル専用の単一粒子再構成法を提案する。 計算コストを低く抑えつつ,分解能および再構成誤差の観点から合成手法を実証する。
  論文  参考訳（メタデータ） (2023-01-23T14:20:01Z)
• Amortized Inference for Heterogeneous Reconstruction in Cryo-EM [36.911133113707045]
  低温電子顕微鏡(cryo-EM)は、タンパク質やその他の生命の構成要素の力学に関する洞察を提供する。 生物分子のポーズ、3次元構造、配座の不均一性を共同で推定するアルゴリズムの課題は未解決のままである。 この方法であるCryoFIREは、不動化フレームワークで未知のポーズを伴って、ab initioheregeneous Restructionを行う。 精度を損なうことなく、何百万もの画像を含むデータセットに対して、1桁のスピードアップを提供できることを示す。
  論文  参考訳（メタデータ） (2022-10-13T22:06:38Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• CryoAI: Amortized Inference of Poses for Ab Initio Reconstruction of 3D Molecular Volumes from Real Cryo-EM Images [30.738209997049395]
  粒子ポーズの勾配に基づく最適化と単一粒子Creo-EMデータからの電子散乱電位を用いた等質コンフォーメーションのためのアブイニシアト再構成アルゴリズムであるCreoAIを紹介する。 CryoAIは、シミュレーションデータと実験データの両方に対して、最先端のCryo-EMソルバと同等の結果を得る。
  論文  参考訳（メタデータ） (2022-03-15T17:58:03Z)
• Multi-initialization Optimization Network for Accurate 3D Human Pose and Shape Estimation [75.44912541912252]
  我々はMulti-Initialization Optimization Network(MION)という3段階のフレームワークを提案する。 第1段階では,入力サンプルの2次元キーポイントに適合する粗い3次元再構成候補を戦略的に選択する。 第2段階では, メッシュ改質トランス (MRT) を設計し, 自己保持機構を用いて粗い再構成結果をそれぞれ洗練する。 最後に,RGB画像の視覚的証拠が与えられた3次元再構成と一致するかどうかを評価することで,複数の候補から最高の結果を得るために,一貫性推定ネットワーク(CEN)を提案する。
  論文  参考訳（メタデータ） (2021-12-24T02:43:58Z)
• Learning Rotation Invariant Features for Cryogenic Electron Microscopy Image Reconstruction [1.9756768370987245]
  クライエレクトロン顕微鏡(Cryo-Electron Microscopy, Cryo-EM)は、粒子の3次元構造を原子に近い分解能で決定するためのノーベル賞受賞技術である。 ほとんどのアプローチでは、画像回転の連続的な性質を捉えるのに失敗する離散的なクラスタリングを使用する。 生成的対角ネットワークの最近の発展を生かした新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-01-10T13:38:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。