Fugu-MT 論文翻訳(概要): A meta-algorithm for ab initio reconstruction of complex mixtures in cryo-EM

論文の概要: A meta-algorithm for ab initio reconstruction of complex mixtures in cryo-EM

arxiv url: http://arxiv.org/abs/2608.25388v1
Date: Wed, 26 Aug 2026 05:27:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.605076
Title: A meta-algorithm for ab initio reconstruction of complex mixtures in cryo-EM
Title（参考訳）: メタアルゴリズムによるCryo-EM複合体の創製
Abstract要約: 本稿では,複数階層のCryo-EM再構築ジョブの生成と集約のための体系的アプローチについて述べる。 97%の精度でTtomotwin-100の45級サブセットを再構築し,全Ttomotwin-100データセットの75%の精度でリボソーム集合状態の回復を実証した。
参考スコア（独自算出の注目度）: 2.6948131026876947
License: http://creativecommons.org/licenses/by/4.0/
Abstract: 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.
Abstract（参考訳）: 本稿では,複数階層のCryo-EM再構築ジョブの生成と集約のための体系的アプローチについて述べる。このアプローチは、イテレーティブな分類とフィルタリングの標準的なアドホック戦略を定式化し、不純物、不均一なサンプルをソートするのに一般的に使用される。我々の知る限りでは、これは数十種の異なる種を含むデータセットのアブ・イニシアト再構成を成功させる最初の方法である。 97%の精度でTtomotwin-100の45級サブセットを再構築し,全Ttomotwin-100データセットの75%の精度でリボソーム集合状態の回復を実証した。われわれのアプローチの能力は計算能力でスケールし、現代の実験環境における自動Creo-EMワークフローの基礎を築き上げている。

関連論文リスト

Agentic Multimodal Models for Environmental Hyperspectral Unmixing [6.494012773378926]
アルゴリズムに依存しない大規模視覚言語モデル(LVLM)駆動のエージェントフレームワークを導入し,ハイパースペクトルアンミックスパイプラインの出力を改良する。異なるモデル次数,抽出法,およびアブリダンス推定法を組み合わせた複数のモジュラーパイプラインに対して,同様の改良手法を適用した。実験により,提案エージェントは終端濃度を常に改善し,回復したスペクトルシグネチャとアブリダンスマップを全般的に改善することが示された。
論文参考訳（メタデータ） (2026-09-01T14:24:35Z)
Compress to Impress: Efficient LLM Adaptation Using a Single Gradient Step on 100 Samples [57.67658635348395]
LASERの網羅的で、マトリクスごとの探索は、迅速な展開には実用的ではない。これらの結果を組み合わせることで、下流タスクに対する高速で堅牢な適応アルゴリズムが得られることを示す。
論文参考訳（メタデータ） (2025-10-23T17:58:01Z)
Rethinking LLM Evaluation: Can We Evaluate LLMs with 200x Less Data? [82.09573568241724]
EssenceBenchは反復遺伝的アルゴリズム(GA)を利用した粗粒度フレームワーク提案手法は, 再構成誤差が低く, 効率が著しく向上した, 優れた圧縮結果が得られる。 HellaSwagベンチマーク(10Kサンプル)では,25倍少ないサンプルを用いて,全モデルが5%以内の順位を保ち,わずか200倍少ないサンプルを用いて,95%未満のランキング保持シフトを達成している。
論文参考訳（メタデータ） (2025-10-12T05:38:10Z)
Retrosynthesis Prediction with Local Template Retrieval [112.23386062396622]
特定の標的分子の反応を予測する再合成は、薬物発見に必須の課題である。本稿では,局所的な反応テンプレート検索手法であるRetroKNNを紹介する。我々は、広く使われている2つのベンチマーク、USPTO-50KとUSPTO-MITで包括的な実験を行う。
論文参考訳（メタデータ） (2023-06-07T03:38:03Z)
SHREC 2021: Classification in cryo-electron tomograms [13.443446070180562]
低温電子トモグラフィ(Cryo-ET)は、マクロ分子集合体の3次元可視化を可能にするイメージング技術である。 Cryo-ETには、主に低信号のノイズと、すべての角度から画像を取得することができない、いくつかの課題がある。トモグラフィーにおける生体高分子の局在化と分類の異なる方法のベンチマークを行うための,新しいシミュレーションデータセットを生成する。
論文参考訳（メタデータ） (2022-03-18T16:08:22Z)
Rethinking Reconstruction Autoencoder-Based Out-of-Distribution Detection [0.0]
リコンストラクションオートエンコーダに基づく手法は、入力再構成誤差を新規性対正規性の計量として用いることでこの問題に対処する。本稿では, 意味的再構成, データの確実性分解, 正規化L2距離を導入し, 元の手法を大幅に改善する。提案手法は,追加データや実装の困難さ,時間を要するパイプライン,さらには既知のクラスの分類精度を損なうことなく機能する。
論文参考訳（メタデータ） (2022-03-04T09:04:55Z)
RetCL: A Selection-based Approach for Retrosynthesis via Contrastive Learning [107.64562550844146]
レトロシンセシスは深層学習の新たな研究分野である。本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
論文参考訳（メタデータ） (2021-05-03T12:47:57Z)
Continual Learning with Fully Probabilistic Models [70.3497683558609]
機械学習の完全確率的(または生成的)モデルに基づく継続的学習のアプローチを提案する。生成器と分類器の両方に対してガウス混合モデル(GMM)インスタンスを用いた擬似リハーサル手法を提案する。我々は,GMRが,クラス増分学習問題に対して,非常に競合的な時間とメモリの複雑さで,最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2021-04-19T12:26:26Z)
Tomographic Auto-Encoder: Unsupervised Bayesian Recovery of Corrupted Data [4.725669222165439]
破損したデータの教師なし回復のための新しい確率的手法を提案する。劣化したサンプルの大規模なアンサンブルを考慮し,クリーンな値の正確な後部を復元する。我々は、欠落した値とノイズの共通の設定の下で、データリカバリタスクでモデルをテストします。
論文参考訳（メタデータ） (2020-06-30T16:18:16Z)
Open-Set Recognition with Gaussian Mixture Variational Autoencoders [91.3247063132127]
推論において、オープンセット分類は、サンプルをトレーニングから既知のクラスに分類するか、未知のクラスとして拒絶するかのどちらかである。我々は,協調的に再構築を学習し,潜在空間におけるクラスベースのクラスタリングを行うよう,我々のモデルを訓練する。我々のモデルは、より正確で堅牢なオープンセット分類結果を実現し、平均的なF1改善率は29.5%である。
論文参考訳（メタデータ） (2020-06-03T01:15:19Z)

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。