【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体上涉及结构生物学和计算技术的，并且更具体地，涉及用于动态冷冻电子显微镜(cryo-em)结构的端到端重建的神经隐函数的方法的系统。
技术介绍
1、分子的三维(3d)原子级结构重建是结构生物学和药物发现的基本任务。冷冻电子显微镜(cryo-em)是应用于玻璃体水环境中的包埋样品的电子显微技术，并且直接捕获靶蛋白的图像而不结晶。cryo-em已成为生物分子结构确定的趋势性设施。然而，由于极低的信噪比(snr)、未知的颗粒姿态和非刚性分子柔性，从大图像集合重建蛋白质结构是非常具有挑战性的，因此需要巧妙的算法设计。
2、目前的软件包如relion和cryosparc已经成功地实现了基于期望最大化(em)算法的高分辨率确定结果的快速和鲁棒性能。然而，这些算法需要适当的初始化，这需要手动拾取过程并且容易出错。此外，这些包只能根据离散分类重建异质结构，这与分子运动的连续性性质不一致。cryodrgn使用自动编码器神经网络回归颗粒变形的潜在分布。然而，从神经网络获得的它们的变形表示是不可知的和隐式的。通过操纵这种潜在代码来提取完整的运动轨迹是不可行的。因此，开发具有更自动化的流水线并支持异质性重建的程序成为cryo-em重建中一个有前途的主题。
技术实现思路
1、鉴于现有技术的上述限制，本专利技术提出了一种用于重建对象的3d结构的计算机实现的方法。
2、所述方法可以包括：获得表示以多个姿态和多个平移放置的所述对象的投影的多个图像；将姿态嵌入向量、流嵌入向量和对
3、所述姿态网络可以被配置为经由所述姿态嵌入向量将图像映射到旋转和平移。所述流网络可以被配置为将所述空间坐标与所述流嵌入向量级联，所述密度网络可以被配置为根据所述空间坐标导出密度值并生成投影图像。所述ctf网络可以被配置为调制附加有所述ctf嵌入向量的所述投影图像以生成渲染图像。
4、所述方法还可以包括使用所述多个图像训练所述机器学习模型；以及基于所述经训练的机器学习模块来重建所述对象的3d结构。
5、在一些实施例中，所述方法还可以包括：通过使用正交规则估计连续积分来模拟所述投影图像中的像素的强度值。
6、在一些实施例中，所述方法还可以包括：将所述投影图像划分成多个图格，以及从所述多个图格中的每一个中选择像素；以及通过使用所述正交规则估计连续积分来模拟所述投影图像中所述选定像素的所述强度值。
7、在一些实施例中，所述方法还可以包括：将图像划分为多个分块，以及从所述多个分块中选择分块；以及使用所述选择的分块来训练所述机器学习模型。
8、在一些实施例中，所述方法还可以包括：通过最小化具有真实值的渲染图像之间的均方误差(mse)损失来训练所述机器学习模型。
9、在一些实施例中，所述方法还可以包括：前置位置编码层以将空间坐标映射到高频表示。
10、在一些实施例中，所述姿态网络可以被配置为输出所述旋转和平移的四元数表示。
11、在一些实施例中，所述方法还可以包括：通过索引字典来获得所述姿态嵌入向量、所述流嵌入向量和所述ctf嵌入向量中的每一个。
12、在一些实施例中，每个图像可以是冷冻电子显微镜(cryo-em)图像。
13、在一些实施例中，对象可以是溶解在无定形冰中的颗粒，并且每个图像可以是显微照片。
14、在一些实施例中，所述姿态网络、所述流网络和所述密度网络中的每一个可以是多层感知器(mlp)，并且所述ctp网络可以是卷积神经网络(cnn)。
15、在一些实施例中，所述多层感知器(mlp)可以是256个隐藏维度的8层跳过连接mlp。
16、在一些实施例中，所述方法还可以包括：通过对在当前批次期间获得的所述密度值应用惩罚来训练所述机器学习模型。
17、在一些实施例中，所述方法还可以包括：通过根据逆累积密度函数对来自所述图像的像素进行采样来训练所述机器学习模型。
18、在一些实施例中，所述方法还可以包括：通过将多个ctf参数应用于白噪声模式来预训练所述ctf网络。
本文档来自技高网...【技术保护点】
1.一种计算机实现的方法，其特征在于，包括：
2.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
3.如权利要求2所述的计算机实现的方法，其特征在于，还包括：
4.如权利要求2所述的计算机实现的方法，其特征在于，还包括：
5.如权利要求2所述的计算机实现的方法，其特征在于，还包括：
6.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
7.如权利要求1所述的计算机实现的方法，其特征在于，其中所述姿态网络被配置为输出所述旋转和平移的四元数表示。
8.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
9.如权利要求1所述的计算机实现的方法，其特征在于，其中每个图像是冷冻电子显微镜(cryo-EM)图像。
10.如权利要求2所述的计算机实现的方法，其特征在于，所述对象是溶解在无定形冰中的颗粒，并且每个图像是显微照片。
11.如权利要求1所述的计算机实现的方法，其特征在于，所述姿态网络、所述流网络和所述密度网络中的每一个是多层感知器(MLP)，
12.如权利要求11所述的计算机实现的方法，其特征在于，所述多层感知器(MLP)是256个隐藏维度的8层跳过连接MLP。
13.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
14.如权利要求1所述的计算机实现的方法，还包括：
15.如权利要求1所述的计算机实现的方法，还包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种计算机实现的方法，其特征在于，包括：
2.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
3.如权利要求2所述的计算机实现的方法，其特征在于，还包括：
4.如权利要求2所述的计算机实现的方法，其特征在于，还包括：
5.如权利要求2所述的计算机实现的方法，其特征在于，还包括：
6.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
7.如权利要求1所述的计算机实现的方法，其特征在于，其中所述姿态网络被配置为输出所述旋转和平移的四元数表示。
8.如权利要求1所述的计算机实现的方法，其特征在于，还包括：
9.如权利要求1所述的计算机实现的方法，其特征在于，其中每个图像...
【专利技术属性】
技术研发人员：王培豪，张家恺，刘新航，刘志杰，虞晶怡，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。