CryoSift - 一个可访问和自动化的CNN驱动工具,用于cryo-EM 2D类选择
Jan-Hannes Schäfer1, Austin Calza1, Keenan Hom1
1Department of Integrative Structural and Computational Biology, Scripps Research; La Jolla, CA, USA.
bioRxiv : the preprint server for biology
|August 6, 2025
概括
CryoSift是一个新的工具,可以自动评估冷电子显微镜 (cryo-EM) 数据中的二维平均值. 这使得高分辨率重建的自动粒子选择成为可能,为所有用户简化工作流程.
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:
- 单粒子冷电子显微镜 (cryo-EM) 对于确定分子结构至关重要.
- 在冷EM数据处理中,自动化重复的任务对于效率至关重要.
- 当前的方法往往需要大量的手动干预来进行粒子选择.
研究的目的:
- 开发一种自动化工具,用于评估冷EM数据集中的2D平均值的质量.
- 允许自动选择合适的颗粒用于高分辨率的冷EM重建.
- 将此工具集成到完全自动化的处理管道中.
主要方法:
- 开发了一个名为CryoSift的独立于平台的卷积神经网络 (CNN) 工具.
- 将 CryoSift 集成到使用 cryosparc 工具的自动化 cryo-EM 数据处理管道中.
- 可定制的2D评估工作流程用于粒子选择.
主要成果:
- CryoSift有效地评估了2D平均值的质量.
- 基于CryoSift的评估进行的自动化颗粒选择提高了重建质量.
- 综合管道促进了高吞吐量冷电磁数据处理.
结论:
- CryoSift为冷EM数据处理中的一个关键挑战提供了一个自动化解决方案.
- 该工具提高了新手和经验丰富的冷EM用户的效率和可访问性.
- 这种自动化工作流支持高分辨率的结构确定.
