冷冻电镜中的高分辨率密度图配准方法技术

本申请公开了一种冷冻电镜中的高分辨率密度图配准方法，包括：获取冷冻电镜的初始密度图和待配准密度图；对初始密度图与预先构建的配准神经网络的输出坐标进行双线性插值，得到第一密度图，并将待配准密度图与第一密度图之间的最优传输距离和配准神经网络中多个残差网络单元散度的约束作为优化目标进行优化，得到配准神经网络的最优参数；根据最优参数将配准神经网络的每个残差网络单元的输出坐标与初始密度图进行双线性插值，得到配准动画的中间帧，并根据初始密度图、中间帧和第一密度图生成待配准密度图的配准轨迹，得到满足预设高分辨率条件的配准结果，由此，可以获得更多蛋白质结构和功能信息。蛋白质结构和功能信息。蛋白质结构和功能信息。

【技术实现步骤摘要】
冷冻电镜中的高分辨率密度图配准方法


[0001]本申请涉及图像配准
，特别涉及一种冷冻电镜中的高分辨率密度图配准方法。

技术介绍

[0002]冷冻电镜是一项解析蛋白质高分辨率结构的先进技术。冷冻电镜能解析出同一个蛋白质在不同构象下的静态结构，然而由于数据收集的偏差，这些静态结构往往拥有一些分辨率不高的构象，阻碍人们对其生物学功能的进一步研究。
[0003]现有的蛋白质密度图配准技术MorphOT基于最优传输算法。该算法通过计算蛋白质两个构象之间的最优传输路径，来生成蛋白质变构的轨迹，效果优于线性插值。
[0004]最优传输算法的核心问题在于运动过程无法保证蛋白质分辨率不变，因此该算法只适用于两个低分辨率构象间的图像配准，针对冷冻电镜中常见的高分辨率构象无法获得符合物理规律的配准轨迹，并且在始末密度图分辨率差距较大的情形下无法利用配准结果提升低分辨率构象的分辨率。

技术实现思路

[0005]本申请提供一种冷冻电镜中的高分辨率密度图配准方法、装置、电子设备及存储介质，对蛋白质不同分辨率的构象做图像配准，再利用配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冷冻电镜中的高分辨率密度图配准方法，其特征在于，包括以下步骤：获取冷冻电镜的初始密度图和待配准密度图；对所述初始密度图与预先构建的配准神经网络的输出坐标进行双线性插值，得到第一密度图，并将所述待配准密度图与所述第一密度图之间的最优传输距离和所述配准神经网络中多个残差网络单元散度的约束作为优化目标进行优化，得到所述配准神经网络的最优参数；根据所述最优参数将所述配准神经网络的每个残差网络单元的输出坐标与所述初始密度图进行双线性插值，得到配准动画的中间帧，并根据所述初始密度图、所述中间帧和所述第一密度图生成所述待配准密度图的配准轨迹，得到满足预设高分辨率条件的配准结果。2.根据权利要求1所述的方法，其特征在于，所述初始密度图f0和待配准密度图f1为均匀网格[0,1]3上的离散测度：上的离散测度：上的离散测度：3.根据权利要求1所述的方法，其特征在于，在对所述初始密度图与预先构建的配准神经网络的输出坐标进行双线性插值得到第一密度图之前，还包括：通过m个残差网络单元构建所述配准神经网络，每个残差网络单元V
θ
具有相同的参数，残差网络单元V
θ
为：V
θ
(x)＝W3(σ(W2(σ(W1x+b1))+b2))+b3，其中，σ为斜率为0.01的leaky relu函数；将预设三维坐标集作为所述配准神经网络的输入，Φ
θ
(x，k)为所述配准神经网络的初始输入坐标x在第k个残差网络单元的输出，其中，所述配准神经网络的输出为：输出所述配准神经网络的全部输出：4.根据权利要求3所述的方法，其特征在于，将所述初始密度图与预先构建的配准神经网络的输出坐标进行双线性插值得到第一密度图为：
其中，K
Bilinear
为双线性插值核，f0为初始密度图。5.根据权利要求4所述的方法，其特征在于，所述将所述待配准密度图与所述第一密度图之间的最优传输距离和所述配准神经网络中多个残差网络单元散度的约束作为优化目标将进行优化，其中，优化目标的公式为：标将进行优化，其中，优化目标的公式为：标将进行优化，其中，优化目标的公式为：6.根据权利要求5所述的方法，其特征在于，所述中间帧为：6.根据权利要求5所述的方法，其特征在于，所述中间帧为：7.一种冷冻电镜中的高分辨率密度图配准装置，其特征在于，包括：获取模块，用于获取冷冻电镜的初始密度图和待配准密度图；优化模块，用于对所述初始密度图与预先构建的配准神经网络的输出坐标进行双线性插值，得到第一密度图，并将所...

【专利技术属性】
技术研发人员：包承龙，樊箫，张起，胡名旭，史作强，
申请(专利权)人：清华大学，
类型：发明
国别省市：