記者從中國科學院自動化研究所獲悉，該所楊戈研究員團隊與中國科學院生物物理研究所孫飛研究員團隊合作，以人工智慧技術賦能原位結構生物學，研究提出一種基於弱監督深度學習的快速準確顆粒挑選方法(DeepETPicker)，實作對生物大分子快速準確的定位辨識。
中國科學院自動化研究所助理研究員劉國樂介紹，原位結構生物學是在接近自然生理狀態下研究生物大分子結構和功能的科學，而原位冷凍電鏡技術以其高分辨率和在接近生理條件下觀察樣品的特點，成為原位結構生物學研究中的關鍵手段。
原位冷凍電鏡的技術流程涉及樣品制備、數據采集、電子斷層重建、顆粒挑選、粒子平均等多個步驟。生物大分子的顆粒挑選，即定位辨識，是其中一個關鍵環節。
受限於多種因素，成千上萬個目標顆粒的手動挑選極為耗時費力，現有自動挑選方法的套用受到人工標註量高、計算成本高和顆粒品質不理想等多方面限制。
針對這一難題，研究團隊最新研發提出DeepETPicker，僅需要少量人工標註顆粒進行訓練即可實作快速準確三維顆粒自動挑選。為降低對人工標註量的需求，DeepETPicker優選簡化標簽來替代真實標簽，並采用了更高效的模型架構、更豐富的數據增強技術和重疊分區策略來提升小訓練集時模型的效能；為提高顆粒定位的速度，DeepETPicker采用圖形處理器加速的平均池化-非極大值抑制後處理操作，與現有的聚類後處理方法相比提升挑選速度數10倍。
據介紹，該研究論文近日在國際學術期刊【自然·通訊】上發表，相關技術已獲得中國發明專利授權。（記者宋晨、張泉）
