一个大规模的精选和可过的数据集,用于冷EM基础模型预培训
Qihe Chen1,2, Zhenyang Xu1,2, Haizhao Dai1,2
1School of Information Science and Technology, ShanghaiTech University, Shanghai, 201210, China.
Scientific data
|June 7, 2025
概括
大规模数据集CryoCRAB解决了冷电子显微镜 (cryo-EM) 成像中的低信号噪声比挑战. 该资源支持基础模型,用于改进生物分子重建和药物发现.
科学领域:
- 结构生物学是结构生物学.
- 生物物理学的生物物理.
- 计算生物学是一种计算生物学.
背景情况:
- 低温电子显微镜 (cryo-EM) 对于近原子分辨率的3D生物分子重建至关重要.
- 低信号噪声比 (SNR) 在冷EM数据中提出了重大处理挑战.
- 基金会模型对生物成像有希望,但缺乏化-EM特定数据集.
研究的目的:
- 介绍CryoCRAB,这是第一个用于cryo-EM基础模型的大规模数据集.
- 允许开发用于冷EM数据处理的先进基础模型.
- 促进改善图像无色化和特征提取用于结构生物学.
主要方法:
- 开发了746个蛋白质和152,385个原始电影 (116.8TB) 的CryoCRAB数据集.
- 将冷电磁电影分成奇数/偶数,用于配对的微镜生成,以消除噪音.
- 存储HDF5分块格式的数据,以提高采样效率和训练速度.
主要成果:
- CryoCRAB提供了一个全面的资源,用于培训冷EM基础模型.
- 数据集的结构促进了高效的培训和随机抽样.
- 证明了推进冷电磁图像消光和特征提取的潜力.
结论:
- CryoCRAB解决了在冷EM基础建模中对大规模数据集的关键需求.
- 该数据集支持开发高噪音冷电磁数据的可靠模型.
- 预计CryoCRAB将通过改进的冷EM分析加速结构生物学和药物发现的进展.
