cryogenic electron microscopy
PulseAugur coverage of cryogenic electron microscopy — every cluster mentioning cryogenic electron microscopy across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新AI框架CORAL改进了淀粉样蛋白纤维的配体对接
研究人员开发了CORAL，一个新颖的强化学习框架，旨在改进配体与淀粉样蛋白纤维的对接，这是阿尔茨海默病和帕金森病等神经退行性疾病的关键因素。传统的对接模型在处理结构数据稀缺和淀粉样蛋白纤维独特的协同结合几何形状方面存在困难。CORAL通过将其协同配体-配体堆叠能量纳入其奖励系统，并专门为交叉-β沟槽几何形状训练生成模型来解决这些限制。与现有方法相比，该框架在姿态质量和结合亲和力相关性方面均有所提高。
-
新框架利用多尺度图像表示从边际数据建模联合分布
研究人员开发了 LUD-MSR，一个新颖的潜在变量概率框架，旨在从边际观测中建模联合分布。该方法通过仅使用边际数据优化证据下界来解决此类问题的固有不适定性。该框架引入了多尺度图像表示 (MSR) 映射，以平衡域一致性和信息保留，并在冷冻电子显微镜去噪基准实验中证明了其有效性。
-
New AI Framework Accurately Models Protein Structures from Cryo-EM Data
研究人员开发了CryoACE，一个新颖的端到端框架，旨在从冷冻电镜（cryo-EM）密度图中准确、自动地构建原子模型。该框架通过采用以原子为中心的重建范式，直接在原子坐标处对密度特征进行采样，从而解决了物理化学有效性和构象异质性方面的挑战。CryoACE还结合了使用预测的局部分辨率先验的无训练引导机制，以解决动态模糊性，在复杂的真实世界数据集上表现优于现有方法。
-
研究：拼接伪影影响AI生成体积数据集
一篇新的研究论文探讨了拼接伪影和维度对大型人工生成体积数据集的影响，特别是在冷冻电子显微镜的背景下。研究发现，FID分数不足以检测细微的拼接伪影，而这些伪影会严重影响下游的分割任务。虽然具有无伪影拼接的3D模型比2D模型有边际改进，但计算成本并不总是合理的，并且由于更大的批次大小，2D模型提供了更稳定的训练。该研究强调了在生物医学成像中使用的生成模型，仔细考虑和减轻拼接伪影的重要性。