論文の概要: Reconstructing Heterogeneous Biomolecules via Hierarchical Gaussian Mixtures and Part Discovery
- arxiv url: http://arxiv.org/abs/2506.09063v1
- Date: Fri, 06 Jun 2025 22:38:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 06:35:01.61187
- Title: Reconstructing Heterogeneous Biomolecules via Hierarchical Gaussian Mixtures and Part Discovery
- Title（参考訳）: 階層型ガウス混合による異種生体分子の再構成とその発見
- Authors: Shayan Shekarforoush, David B. Lindell, Marcus A. Brubaker, David J. Fleet,
- Abstract要約: クライエミクス(Cryo-EM)は、分子生物学において、非常にノイズの多い2次元電子顕微鏡画像から原子分解能で3次元分子構造を推定するための計算手法である。
階層型ガウス混合モデルを用いた新しい3次元再構成フレームワークを提案する。
特に、モデルの構造は粒子の部分的分割を推論する初期過程に基礎を置いており、コンフォメーションと組成のばらつきの両方を扱うために必須な帰納的バイアスを与える。
- 参考スコア（独自算出の注目度）: 30.195615398809043
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cryo-EM is a transformational paradigm in molecular biology where computational methods are used to infer 3D molecular structure at atomic resolution from extremely noisy 2D electron microscope images. At the forefront of research is how to model the structure when the imaged particles exhibit non-rigid conformational flexibility and compositional variation where parts are sometimes missing. We introduce a novel 3D reconstruction framework with a hierarchical Gaussian mixture model, inspired in part by Gaussian Splatting for 4D scene reconstruction. In particular, the structure of the model is grounded in an initial process that infers a part-based segmentation of the particle, providing essential inductive bias in order to handle both conformational and compositional variability. The framework, called CryoSPIRE, is shown to reveal biologically meaningful structures on complex experimental datasets, and establishes a new state-of-the-art on CryoBench, a benchmark for cryo-EM heterogeneity methods.
- Abstract（参考訳）: クライエミクス(Cryo-EM)は、分子生物学において、非常にノイズの多い2次元電子顕微鏡画像から原子分解能で3次元分子構造を推定するための計算手法である。
研究の最前線は、画像化された粒子が、時に部品が欠落しているような非剛性コンフォメーションの柔軟性と組成の変化を示すときの構造をモデル化する方法である。
階層型ガウス混合モデルを用いた新しい3次元再構成フレームワークを提案する。
特に、モデルの構造は粒子の部分的分割を推論する初期過程に基礎を置いており、コンフォメーションと組成のばらつきの両方を扱うために必須な帰納的バイアスを与える。
CryoSPIREと呼ばれるこのフレームワークは、複雑な実験データセット上で生物学的に有意義な構造を明らかにし、CryoBench上で新しい最先端技術を確立している。
関連論文リスト
- Mixture of neural fields for heterogeneous reconstruction in cryo-EM [29.837972881181102]
我々は、コンフォメーションとコンフォメーションの不均一性の両方をモデル化するアプローチであるHydraを提示する。
我々は、新しい可能性に基づく損失関数を用いて、タンパク質の混合物からなる合成データセットに対するアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2024-12-12T16:26:38Z) - CryoBench: Diverse and challenging datasets for the heterogeneity problem in cryo-EM [3.424647356090208]
核電子顕微鏡(cryo-EM)は、画像データから高分解能の3次元生体分子構造を決定するための強力な技術である。
ここでは、CryoBenchを紹介します。CryoBenchは、Cleo-EMにおける異種再構成のためのデータセット、メトリクス、ベンチマークのスイートです。
論文 参考訳（メタデータ） (2024-08-10T11:48:14Z) - CryoChains: Heterogeneous Reconstruction of Molecular Assembly of
Semi-flexible Chains from Cryo-EM Images [3.0828074702828623]
分子鎖の剛体変換により生体分子の大きな変形をコードするCryoChainsを提案する。
ヒトGABAtextsubscriptBおよび熱ショックタンパク質のデータ実験により、CryoChainsは生体分子の不均一な構造を生化学的に定量化できることが示された。
論文 参考訳（メタデータ） (2023-06-12T17:57:12Z) - Functional-Group-Based Diffusion for Pocket-Specific Molecule Generation and Elaboration [63.23362798102195]
ポケット特異的分子生成とエラボレーションのための機能群に基づく拡散モデルD3FGを提案する。
D3FGは分子を、剛体として定義される官能基と質量点としてのリンカーの2つのカテゴリに分解する。
実験では, より現実的な3次元構造, タンパク質標的に対する競合親和性, 薬物特性の良好な分子を生成できる。
論文 参考訳（メタデータ） (2023-05-30T06:41:20Z) - MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。
拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。
我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
論文 参考訳（メタデータ） (2023-04-28T04:25:57Z) - 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) - Heterogeneous reconstruction of deformable atomic models in Cryo-EM [30.864688165021054]
変形を少数の集団運動に還元した原子論的な表現に基づく異種再構成法について述べる。
各分布について、我々の手法が原子レベルの精度で中間原子モデルを再カプセル化可能であることを示す。
論文 参考訳（メタデータ） (2022-09-29T22:35:35Z) - Deep learning based mixed-dimensional GMM for characterizing variability
in CryoEM [0.0]
CryoEMは、コンフォメーション状態とコンフォメーション状態の異なる個々のマクロ分子を直接可視化する。
タンパク質や複合体のコンフォメーションランドスケープを決定する機械学習アルゴリズムを提案する。
本手法をいくつかの異なる生体分子系に応用し,様々なスケールで組成変化およびコンフォメーション変化を探索する。
論文 参考訳（メタデータ） (2021-01-25T19:05:23Z)
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。