跳到正文
Nature Methods· Youwei Liang; Ramtin Hosseini; Hamidreza Rahmani; Digvijay Singh; Ruiyi Zhang; Li Zhang; Han Guo; Sang Choe; Joan Lee; Min Xu; Eran Segal; James Zou; James Williamson; Elizabeth Villa; Danielle A. Grotjahn; Pengtao Xie·· 来源仅提供日期AI 评分52

RobPicker:在冷冻电子断层扫描中稳健识别生物大分子的元学习框架

RobPicker: a meta-learning framework for robust identification of macromolecules in cryo-electron tomograms

AI 导读

Youwei Liang 等在 Nature Methods 提出元学习框架 RobPicker,用于冷冻电子断层扫描中生物大分子的颗粒拾取。该框架通过自动学习修正标签错误,并更重视较小和稀有的分子种类,以应对训练数据中的标注噪声和物种分布不均衡。

已发表论文 · journal · 10.1038/s41592-026-03250-3

本站摘要基于收录版本 v1(2026-11-09),原始摘要与 AI 导读固定保留。

IF(5) 52.5 · 2025 · 期刊参考指标

摘要 · AI 翻译

在冷冻电子断层成像(cryo-ET)中,准确挑选出类型、形状和尺寸各异的生物大分子,对于在原生状态下理解生物系统的分子架构至关重要。现有的深度学习方法在识别断层图中的大分子方面已展现出潜力;然而,它们容易受到训练数据中标注噪声以及大分子物种分布不均衡的影响。为此,我们开发了 RobPicker,这是一个元学习框架,通过自动学习纠正标签错误,并更加关注较小、较稀有的大分子物种,从而有效缓解了这些问题。在多个带有噪声标签和物种分布不均衡的 cryo-ET 数据集上的评估中,RobPicker 显著优于最先进的方法,尤其是在识别小型和稀有大分子方面。RobPicker 的鲁棒性和高效性提升了蛋白质结构三维密度图的分辨率,从而实现了高分辨率的细胞结构生物学分析。

来源:Nature Methods · doi.org