一个大型专家策划的冷电磁图像数据集用于机器学习的蛋白质粒子挑选

科学领域:

• 结构生物学 结构生物学
• 生物物理学的生物物理.
• 计算生物学 计算生物学

背景情况:

• 低温电子显微镜 (cryo-EM) 对于确定生物宏分子复杂结构至关重要.
• 从冷电磁图像中自动选择单个蛋白质颗粒对于高效的结构重建至关重要.
• 目前基于模板的方法很费力,人工智能驱动的方法缺乏足够高质量的标记训练数据.

研究的目的:

• 介绍CryoPPP,一个庞大,多样化,专家策划的冷EM图像数据集.
• 为了解决有限的标签数据的瓶问题,用于冷EM中的自动颗粒采集.
• 促进自动化蛋白质颗粒采集的先进方法的开发.

主要方法:

• 从34个不同的蛋白质数据集中编译了2.6TB标记的冷电磁显微图.
• 包括9893张高分辨率的微图,精确标记了蛋白质粒子坐标.
• 使用2D粒子类和3D密度图验证与黄金标准对标签准确性的验证.

主要成果:

• 开发了CryoPPP,这是一个全面的数据集,用于冷-EM粒子拾取.
• 该数据集提供了广泛的,验证的标记数据,用于培训和基准测试.
• 通过建立的验证协议,经过严格的质量控制.

结论:

• CryoPPP显著提升了用于冷-EM粒子采集的标记数据的可用性.
• 该数据集将加速人工智能和经典自动化颗粒采集方法的发展.
• 预计将通过冷EM提高蛋白质结构确定效率和吞吐量.