TomoCPT:一种可通用的模型,用于在冷电子断层图像中进行3D粒子检测和定位

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:

• 低温电子断层扫描 (cryo-ET) 对于在现场可视化宏分子复合体至关重要.
• 精确的颗粒识别在冷断层图像是下游分析的主要瓶,如亚断层图像的平均值.
• 在冷ET中检测粒子的现有方法在速度和准确性方面存在局限性.

研究的目的:

• 开发一个先进的计算工具,以高效,准确地检测冷图谱中的粒子.
• 为了解决冷电子断层扫描当前粒子识别方法的局限性.
• 为了提高冷ET数据处理的吞吐量和分辨率.

主要方法:

• 开发一个基于变压器的深度学习模型 - - tomoCPT (Tomogram 中枢神经预测工具).
• 用高斯标签重新构建粒子检测作为一个中心点预测任务.
• 使用SwinUNETR架构来提高粒子识别的性能.

主要成果:

• 与传统的二进制标签和模板匹配方法相比,TomoCPT表现出更高的性能.
• 实现了对阿波费里丁 (3.0 Å),SARS-CoV-2尖端蛋白 (18.3 Å) 和鲁比斯科 (8.0 Å) 的高分辨率重建.
• 通过零射击推断展示了对新型粒子类型的有效概括,并通过微调显著改进.

结论:

• 托莫CPT为冷电子断层扫描中的粒子检测提供了一种实用且高效的解决方案.
• 该工具有效地处理复杂的场景,包括密集的分子和膜结合蛋白质.
• 它的命令行实现和最小的数据要求使其适合高吞吐量冷-ET工作流程.