结合的焦点交叉和子损失函数用于从冷-EM3D密度图中对蛋白质二次结构的细分

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:

• 电子显微镜 (cryo-EM) 可以确定原子结构,但在中等分辨率 (5-10 Å) 时面临挑战.
• 从冷电磁图中精确检测二次结构对于结构分析至关重要.
• 现有的神经网络通常依赖于交叉损失,这可能不适合这项任务.

研究的目的:

• 调查和比较各种损失函数的性能,用于在冷电磁密度图中检测二级结构.
• 识别有效的损失函数,以提高检测准确性,特别是对于像β-sheet这样难以解决的结构.

主要方法:

• 在DeepSSETracer框架内使用U-net架构.
• 评估了五种不同的损失函数,包括交叉 (CE),焦点交叉 (FCE) 和子损失 (DL).
• 在一个包含65个具有已知原子结构的蛋白质链和相应的冷EM密度图的数据集上进行了测试.

主要成果:

• 在总体二次结构检测中,FCE和DL的组合损失函数表现优于其他测试函数.
• 与CE相比,这种联合损失函数实现了6.7%更高的F1得分,特别是改善了β-sheet voxels的检测.
• 该研究强调了量身定制的损失函数在解决冷-EM结构分析中具有挑战性的细分案例中的有效性.

结论:

• 结合FCE和DL是一种有前途的方法,可以在中分辨率的冷电磁图中增强二次结构细分.
• 这种方法显示出显著的潜力,可以提高从冷EM数据的结构分析的准确性,特别是对于具有挑战性的结构元素.
• 设计有效的损失函数是提高结构生物学计算工具能力的关键.