CryoAI对三维分子体积进行无创重建的摊销式推断-

冷冻电子显微镜（cryo-EM）已经成为结构生物学中的一个重要工具，帮助我们了解生命的基本构件。低温电镜的算法挑战是如何从数以百万计的极度嘈杂的二维图像中联合估计未知的三维位置和生物分子的三维电子散射势。然而，现有的重建算法由于其高昂的计算和内存成本，不容易跟上快速增长的低温电镜数据集的步伐。我们介绍了CryoAI，这是一种针对同质构象的非初始重建算法，它使用了基于梯度的粒子位置和单粒子低温电镜数据的电子散射势的直接优化。CryoAI将预测每个粒子图像的位置的学习编码器与基于物理学的解码器结合起来，将每个粒子图像汇总为散射势体积的隐含代表。为了提高计算效率，该体积被存储在傅里叶域，并利用现代坐标网络架构来提高内存效率。结合一个对称的损失函数，这个框架在模拟和实验数据方面取得了与最先进的低温电镜求解器相同的质量，对大数据集来说，速度快了一个数量级，而且对内存的要求比现有方法低得多。

《CryoAI: Amortized Inference of Poses for Ab Initio Reconstruction of 3D Molecular Volumes from Real Cryo-EM Images》

论文地址:http://arxiv.org/abs/2203.08138v1