CHiMP:在蛋白质结晶显微镜上训练有素的深度学习工具,以实现实验的自动化
Oliver N F King1, Karl E Levik1, James Sandy1
1Diamond Light Source, Harwell Science and Innovation Campus, Didcot OX11 0DE, United Kingdom.
Acta crystallographica. Section D, Structural biology
|October 3, 2024
概括
三种深度学习工具,Crystal Hits in My Plate (CHiMP),分析蛋白质结晶的微图. 这些工具自动化图像分析和实验监测,帮助药物发现和结构生物学研究.
科学领域:
- 生物物理学的生物物理.
- 结构生物学 结构生物学
- 药物发现 药物发现 药物发现
背景情况:
- 蛋白质结晶对于结构生物学和药物发现至关重要.
- 结晶实验的自动化分析可以加速研究.
- 显微镜产生大型数据集,需要高效的分析.
研究的目的:
- 开发深度学习工具,用于对蛋白质结晶实验进行自动分析.
- 将这些工具集成到同步光线中,用于实时监控和数据收集.
- 增强基于片段的药物发现查平台.
主要方法:
- 开发三种深度学习工具:一个分类网络和两个对象检测/实例细分网络.
- 通过预先训练的深度学习网络利用转移学习.
- 应用工具分析来自钻石光源 (DLS) 的蛋白质结晶实验的微图.
主要成果:
- 该分类网络从图像中对实验结果进行分类.
- 对象检测和实例细分工具识别和掩盖水晶和水滴.
- 在DLS成功地将工具集成到VMXi和XChem平台中.
结论:
- 在蛋白质结晶分析中,CHiMP工具自动化了关键步骤.
- 这些工具简化了同步机设施的监测和数据收集.
- 自动化分析促进了基于碎片的高效药物发现管道.
