人工智能賦能原位結(jié)構(gòu)生物學(xué)取得新進(jìn)展

　　記者從中國(guó)科學(xué)院自動(dòng)化研究所獲悉，該所多模態(tài)人工智能系統(tǒng)實(shí)驗(yàn)室與生物物理研究所蛋白質(zhì)科學(xué)研究平臺(tái)生物成像中心合作，以人工智能技術(shù)賦能原位結(jié)構(gòu)生物學(xué)，提出了一種基于弱監(jiān)督深度學(xué)習(xí)的快速準(zhǔn)確顆粒挑選方法DeepETPicker，相關(guān)研究近日在國(guó)際學(xué)術(shù)期刊《自然·通訊》發(fā)表。

　　據(jù)了解，DeepETPicker僅需要少量人工標(biāo)注顆粒進(jìn)行訓(xùn)練即可實(shí)現(xiàn)快速準(zhǔn)確三維顆粒自動(dòng)挑選。為降低對(duì)人工標(biāo)注量的需求，該方法優(yōu)選簡(jiǎn)化標(biāo)簽來(lái)替代真實(shí)標(biāo)簽，并采用了更高效的模型架構(gòu)、更豐富的數(shù)據(jù)增強(qiáng)技術(shù)和重疊分區(qū)策略來(lái)提升小訓(xùn)練集時(shí)模型的性能;為提高顆粒定位的速度，采用GPU加速的平均池化-非極大值抑制后處理操作，與現(xiàn)有的聚類(lèi)后處理方法相比提升挑選速度數(shù)十倍。此外，為方便用戶使用，項(xiàng)目團(tuán)隊(duì)推出了操作簡(jiǎn)潔、界面友好的開(kāi)源軟件以輔助用戶完成圖像預(yù)處理、顆粒標(biāo)注、模型訓(xùn)練與推理等操作。使用該方法從冷凍電子斷層掃描圖像中挑選顆粒的整體工作流程包括訓(xùn)練階段和推理階段。

　　研究團(tuán)隊(duì)將DeepETPicker與目前性能最優(yōu)的顆粒挑選方法在多種冷凍電子斷層掃描數(shù)據(jù)集上進(jìn)行了性能評(píng)估對(duì)比，結(jié)果表明，該方法在仿真與真實(shí)數(shù)據(jù)集上均可實(shí)現(xiàn)快速準(zhǔn)確的顆粒挑選，其綜合性能明顯優(yōu)于現(xiàn)有的其他方法，生物大分子結(jié)構(gòu)重建達(dá)到的分辨率也達(dá)到采用專(zhuān)家人工挑選顆粒進(jìn)行結(jié)構(gòu)重建同樣的水平，這進(jìn)一步體現(xiàn)了該方法在原位高分辨率結(jié)構(gòu)解析中的實(shí)用價(jià)值，將為原位結(jié)構(gòu)生物學(xué)研究提供有力支持。

　　(總臺(tái)央視記者 帥俊全 褚爾嘉)