論文の概要: CryoAtlas: A Large Curated Dataset and Unified Benchmark for Cryo-EM Atomic Model Building

• arxiv url: http://arxiv.org/abs/2610.41411v1
• Date: Fri, 30 Oct 2026 08:22:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.658239
• Title: CryoAtlas: A Large Curated Dataset and Unified Benchmark for Cryo-EM Atomic Model Building
• Title（参考訳）: CryoAtlas: Cryo-EM原子モデル構築のための大規模キュレーションデータセットと統一ベンチマーク
• Abstract要約: 我々は、タンパク質鎖の密度誘導原子モデル構築のための厳格にキュレートされたデータセットと統一されたベンチマークであるCryoAtlasを紹介する。 CryoAtlasは、17,809のマップモデルシーケンスエントリを提供している。 我々はPhenixとAlphaFold3に対する最先端の学習手法をベンチマークし、地図解像度、配列長、タンパク質カテゴリ、シーケンスアイデンティティがモデリング精度に与える影響を包括的に分析した。
• 参考スコア（独自算出の注目度）: 30.53362709507302
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning has accelerated automated atomic model building from cryo-EM maps, yet progress remains limited by the lack of large, high-quality datasets and standardized evaluation benchmarks. We address this gap by introducing CryoAtlas, a rigorously curated dataset and unified benchmark for density-guided atomic model building of protein chains. By integrating and filtering EMDB and PDB entries (up to March 2026), CryoAtlas provides 17,809 map-model-sequence entries, including a curated 16,657-entry training split. From this resource, we construct a 618-target benchmark with a shared evaluation protocol that jointly assesses structural accuracy, model-to-map fit, and stereochemical validity. Using this framework, we benchmark state-of-the-art learning-based methods against Phenix and AlphaFold3, comprehensively analyzing the impact of map resolution, sequence length, protein category and sequence identity on modeling accuracy. As a case study, retraining the ModelAngelo CNN component on CryoAtlas improves performance on the benchmark. CryoAtlas provides an open, reproducible foundation for future cryo-EM atomic model building research. Project details and resource release updates are available at https://oulling.github.io/cryoatlas/.
• Abstract（参考訳）: ディープラーニングは、Cryo-EMマップから自動原子モデルの構築を加速させたが、大規模で高品質なデータセットと標準化された評価ベンチマークの欠如により、進歩は依然として限られている。 我々は、タンパク質鎖の密度誘導原子モデル構築のための厳格にキュレートされたデータセットと統一されたベンチマークであるCryoAtlasを導入することで、このギャップに対処する。 EMDBおよびPDBエントリの統合とフィルタリング(2026年3月まで)により、CryoAtlasは16,657エントリのトレーニング分割を含む17,809のマップモデルシーケンスエントリを提供する。 本資料から,構造精度,モデル・ツー・マップ適合性,立体化学的妥当性を共同評価する共通評価プロトコルを用いた618ターゲットベンチマークを構築した。 このフレームワークを用いて、Phenix と AlphaFold3 に対して最先端の学習手法をベンチマークし、地図解像度、配列長、タンパク質カテゴリ、シーケンスアイデンティティがモデリング精度に与える影響を包括的に分析する。 ケーススタディでは、CryoAtlas上でModelAngelo CNNコンポーネントを再トレーニングすることで、ベンチマークのパフォーマンスが向上する。 CryoAtlasは、将来のCryo-EM原子モデル構築研究のためのオープンで再現可能な基盤を提供する。 プロジェクトの詳細とリソースリリースのアップデートはhttps://oulling.github.io/cryoatlas/.comで公開されている。

関連論文リスト

• POPSICLE: Benchmark Datasets for Segmentation and Localization in CryoET [1.4588049951137065]
  本稿では,CryoETセグメンテーションとマクロ分子ローカライゼーションのためのベンチマークスイートであるPOPSICLEを提案する。 CryoET Data Portal - トモグラフィデータ、メタデータ、アノテーションのオープンでML対応のリポジトリ。 新しいデータセットとアノテーションが利用可能になると、拡張できる。
  論文  参考訳（メタデータ） (2026-06-08T23:47:24Z)
• ArtifactLinker: Linking Scientific Artifacts for Automatic State-of-the-Art Discovery [58.48859167777581]
  ArtifactLinkerは、データセットの最先端(SOTA)モデルを自動的に検出するフレームワークである。 14,053のアーティファクトと51,337の関係を持つArtifactBenchというベンチマークが提示されている。 その結果,(1)既存のアーティファクト間のグラフ構造がリンク予測の欠如に有効であること,(2)ArtifactLinkerを用いたエンドツーエンドのランキングと検証がSOTAの潜在的な結果の発見と研究の洞察に役立つこと,などが示唆された。
  論文  参考訳（メタデータ） (2026-05-16T09:26:08Z)
• MetaGAI: A Large-Scale and High-Quality Benchmark for Generative AI Model and Data Card Generation [7.0330781653125145]
  学術論文やGitHubリポジトリ,Hugging Faceアーティファクトのセマンティック三角測量によって構築された,2,541の検証済みドキュメントトリガからなる総合ベンチマークであるMetaGAIを紹介する。 従来のシングルソースデータセットとは異なり、MetaGAIでは、特殊なRetriever、Generator、Editorエージェントを備えたマルチエージェントフレームワークを採用し、4次元のHuman-in-the-loopアセスメントを通じて検証されている。
  論文  参考訳（メタデータ） (2026-04-26T05:24:03Z)
• CryoNet.Refine: A One-step Diffusion Model for Rapid Refinement of Structural Models with Cryo-EM Density Map Restraints [1.8258768289095222]
  低温電子顕微鏡(cryo-EM)による高分解能構造決定には、原子モデルの実験密度マップへの正確な適合が必要である。 Phenix.real_space_refineやRosettaのような従来の精細化パイプラインは計算に高価であり、広範囲な手動チューニングを必要としており、研究者にとって重大なボトルネックとなっている。 CryoNet.Refineは、分子構造解析の自動化と高速化を行うエンドツーエンドのディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2026-02-25T04:18:18Z)
• Grounding Synthetic Data Evaluations of Language Models in Unsupervised Document Corpora [9.871701356351542]
  言語モデル(LM)は進化を続け、応答品質と一貫性を改善している。 モデル品質、応答適性、推論能力を評価するために、数多くの評価ベンチマークが作成されている。 本稿では,文書群を基盤としたファクトベース合成データモデル評価の自動化手法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T18:50:03Z)
• Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
  エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。 これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。 提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
  論文  参考訳（メタデータ） (2024-09-04T16:47:16Z)
• Boosting the Cross-Architecture Generalization of Dataset Distillation through an Empirical Study [52.83643622795387]
  データセット蒸留のクロスアーキテクチャ一般化は、その実用的重要性を弱める。 EvaLuation with distillation Feature (ELF)を提案する。 大規模な実験を行うことで、ALFが現在のDD法のクロスアーキテクチャ一般化を十分に強化できることを示す。
  論文  参考訳（メタデータ） (2023-12-09T15:41:42Z)
• USACv20: robust essential, fundamental and homography matrix estimation [68.65610177368617]
  最新のRANSACのような仮説と検証の堅牢な推定器をレビューします。 最高のパフォーマンスは、Universal Sample Consensus (USAC)アルゴリズムの最先端バージョンを作成するために組み合わせられる。 提案手法であるUSACv20は、公開された8つの実世界のデータセットでテストされる。
  論文  参考訳（メタデータ） (2021-04-11T16:27:02Z)

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。