记者从中国科学院自动化研究所获悉，该所杨戈研究员团队与中国科学院生物物理研究所孙飞研究员团队合作，以人工智能技术赋能原位结构生物学，研究提出一种基于弱监督深度学习的快速准确颗粒挑选方法(DeepETPicker)，实现对生物大分子快速准确的定位识别。

　　图为使用DeepETPicker从冷冻电子断层扫描图像中挑选颗粒的整体工作流程。（中国科学院自动化研究所供图）

　　中国科学院自动化研究所助理研究员刘国乐介绍，原位结构生物学是在接近自然生理状态下研究生物大分子结构和功能的科学，而原位冷冻电镜技术以其高分辨率和在接近生理条件下观察样品的特点，成为原位结构生物学研究中的关键手段。

　　原位冷冻电镜的技术流程涉及样品制备、数据采集、电子断层重建、颗粒挑选、粒子平均等多个步骤。生物大分子的颗粒挑选，即定位识别，是其中一个关键环节。

　　受限于多种因素，成千上万个目标颗粒的手动挑选极为耗时费力，现有自动挑选方法的应用受到人工标注量高、计算成本高和颗粒质量不理想等多方面限制。

　　针对这一难题，研究团队最新研发提出DeepETPicker，仅需要少量人工标注颗粒进行训练即可实现快速准确三维颗粒自动挑选。为降低对人工标注量的需求，DeepETPicker优选简化标签来替代真实标签，并采用了更高效的模型架构、更丰富的数据增强技术和重叠分区策略来提升小训练集时模型的性能；为提高颗粒定位的速度，DeepETPicker采用图形处理器加速的平均池化-非极大值抑制后处理操作，与现有的聚类后处理方法相比提升挑选速度数10倍。

　　据介绍，该研究论文近日在国际学术期刊《自然·通讯》上发表，相关技术已获得中国发明专利授权。（记者宋晨、张泉）


                                        
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！  
                                        
联系邮箱：1042463605@qq.com