中國科學院生物物理研究所蛋白質科學研究平台生物成像中心與中國科學院自動化研究所多模態人工智能系統實驗室合作，以人工智能技術賦能原位結構生物學， 提出了一種基於弱監督深度學習的快速準確的顆粒挑選方法DeepETPicker 。相關研究近日發表於【自然-通訊】。
原位冷凍電鏡技術是原位結構生物學研究中的關鍵手段。這一技術流程中的生物大分子的顆粒挑選，即定位辨識是一個關鍵環節，但現有自動挑選方法的套用受人工標註量大、計算成本高和顆粒質素不理想等多方面限制。
據介紹，DeepETPicker 僅需少量人工標註顆粒進行訓練，即可實作快速準確的三維顆粒自動挑選 。DeepETPicker優選簡化標簽來替代真實標簽，並采用更高效的模型架構、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；為了提高顆粒定位的速度，DeepETPicker采用GPU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挑選速度提升數十倍。
▲ 在冷凍電子斷層掃描影像中使用DeepETPicker挑選顆粒的整體工作流程
在6種定量指標全面評價顆粒挑選質素的效能評估中，DeepETPicker在仿真與真實數據集上均可實作快速準確的顆粒挑選， 其綜合效能明顯優於現有的其他方法 ，生物大分子結構重建實作的分辨率也達到采用專家人工挑選顆粒進行結構重建的水平，進一步體現了DeepETPicker在原位高分辨率結構解析中的實用價值。目前，為方便使用者使用，專案團隊推出了操作簡潔、界面友好的開源軟件以輔助使用者完成影像預處理、顆粒標註、模型訓練與推理等操作。
相關論文資訊：
https://doi.org/10.1038/s41467-024-46041-0
來源： 中國科學報（2024-03-18 第1版 要聞）
責編：王穎
