論文の概要: ARCHER: Amortized cross-specimen pose estimation for cryo-electron microscopy
- arxiv url: http://arxiv.org/abs/2608.22029v1
- Date: Sat, 22 Aug 2026 16:15:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.941386
- Title: ARCHER: Amortized cross-specimen pose estimation for cryo-electron microscopy
- Title（参考訳）: ARCHER:低温-電子顕微鏡のためのアモルティファイドクロススペクティブポーズ推定
- Abstract要約: 単一粒子低温電子顕微鏡(cryo-EM)のポーズ推定は従来,各データセットに対して新たに解決されてきた。
我々は,ポーズ推論が参照ボリュームに明示的に条件付けされた場合,一般化可能で標本に依存しない操作であることを示す。
本稿では、離散的な回転格子上のポーズをモデル化するアモルティファイドコントラスト分類器ARCHERを紹介する。
- 参考スコア（独自算出の注目度）: 0.4507149065512141
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Single-particle cryo-electron microscopy (cryo-EM) pose estimation is traditionally solved anew for each dataset, where iterative refinement is done from scratch while the estimator learns to store the molecule in its weights. In this work, we show that pose inference is a generalizable, specimen-agnostic operation when conditioned explicitly on a reference volume. We introduce ARCHER, an amortized contrastive classifier that models the pose posterior over a discrete rotation grid. Trained across a variety of protein structures, it operates zero-shot without retraining per structure. This transferability is grounded in Fourier-space information mechanics, where all specimen dependence is captured by the reference structure's power spectrum and spatial extent. ARCHER achieves a median angular error of 5.0° on 100 held-out test structures and 2.5° on experimental particles, matching dedicated estimators within 0.16 Å in 3D reconstruction. Crucially, downstream conformational signal is preserved. The leading conformational coordinate correlates at 0.97 with deposited benchmarks, faithfully reconstructing free-energy basins and mobile domains. These results overall demonstrate that cryo-EM pose estimation can be generalized across different structures.
- Abstract（参考訳）: 単一粒子の低温電子顕微鏡(cryo-EM)のポーズ推定は、伝統的にデータセットごとに新しく解かれ、そこでは反復的な精製がスクラッチから行われ、推定者は分子をその重みに保存することを学ぶ。
本研究では,ポーズ推論が参照ボリュームに明示的に条件付けされた場合,標本に依存しない一般化可能な動作であることを示す。
本稿では、離散的な回転格子上のポーズをモデル化するアモルティファイドコントラスト分類器ARCHERを紹介する。
様々なタンパク質構造で訓練され、構造ごとに再訓練することなくゼロショットを動作させる。
この伝達性はフーリエ空間情報力学において基礎付けられ、全ての検体依存は基準構造のパワースペクトルと空間範囲によって捉えられる。
ARCHERは100個のホールドアウト試験構造では5.0°、実験粒子では2.5°の角度誤差を達成し、3次元再構成では0.16 ft以内の専用推定器と一致する。
重要なことに、下流のコンフォメーション信号が保存される。
主コンフォメーション座標は0.97で、堆積されたベンチマークと相関し、自由エネルギー盆地と移動領域を忠実に再構築する。
これらの結果から,Cryo-EMのポーズ推定は異なる構造にまたがって一般化できることが示唆された。
関連論文リスト
- Feed-Forward Hierarchical Gaussian Diffusion for Extreme CT Reconstruction [5.827215998326956]
HiGDiffはフィードフォワードの階層的なガウス拡散フレームワークで、空間的および構造的に細部まで再構成を分解する。
3つの異なるCTベンチマークデータセットの実験では、分離、ペア化、共同劣化設定における最先端の再構築性能が示されている。
論文 参考訳（メタデータ） (2026-08-15T17:56:09Z) - GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis [94.20462261657525]
GrainGSは階層的なアンカー足場とガウス単位の変形を組み合わせた動的フレームワークである。
高いリコンストラクション品質、リアルタイムの新規ビュー合成、コンパクトストレージを実現している。
論文 参考訳（メタデータ） (2026-07-23T15:52:35Z) - The Singularity Space: A Generative Diffusion Framework for Signal Representation [0.8526086056172272]
複素平面特異点による信号を表す生成フレームワークであるSingularity Spaceを紹介する。
それぞれの衝撃を32個の予測特異点で表す1次元バーガーの枠組みを評価する。
本フレームワークは, ゼロショット部分分解能の一般化において, 信号構造を未知の試験時間観測雑音下で保存し, 4.2倍の低再生誤差を実現する。
論文 参考訳（メタデータ） (2026-07-12T21:34:13Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - Gauge-invariant representation holonomy [1.078600700827543]
深層ネットワークは、幾何学的特徴を持つ内部表現(曲がり、回転、進化)を学習し、一般化と堅牢性の両方に影響を及ぼす。
CKAやSVCCAのような既存の類似度尺度は、アクティベーションセット間でポイントワイドに重なるが、入力パスに沿って表現がどのように変化するかを見逃す。
この経路依存性を測定するゲージ不変統計量である表現ホロノミーを導入する。
論文 参考訳（メタデータ） (2026-01-29T12:51:17Z) - Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。
分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。
細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
論文 参考訳（メタデータ） (2025-07-22T04:35:50Z) - Improved Cryo-EM Pose Estimation and 3D Classification through Latent-Space Disentanglement [14.973360669658561]
本稿では,自己教師付き変分オートエンコーダアーキテクチャであるHetACUMNを提案する。
シミュレーションデータセットの結果,HetACUMNは,他のアモータイズ法や非アモータイズ法よりも正確なコンフォメーション分類が得られた。
論文 参考訳（メタデータ） (2023-08-09T13:41:30Z) - Interpretable Joint Event-Particle Reconstruction for Neutrino Physics
at NOvA with Sparse CNNs and Transformers [124.29621071934693]
本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。
TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。
このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
論文 参考訳（メタデータ） (2023-03-10T20:36:23Z) - 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) - Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
再建された表面をニューラルネットワークを用いてアトラスとして表現する。
本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
論文 参考訳（メタデータ） (2021-04-14T16:21:22Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。