跳到正文
事件历史事件

EB-FM用经验贝叶斯流匹配建模冷冻电镜异质性

1 篇报道1 个报道来源13 天前更新

先了解这件事

AI 综述

Daniel Aibinder 等提出 EB-FM,用蒙特卡洛随机近似 EM 框架从带噪二维投影直接学习三维原子结构的流匹配先验,无需干净数据预训练。其 E 步以引导流生成做近似后验采样并保留持久潜变量估计,M 步用稳定后的潜变量更新流模型。 作者称,在 two-moons、MNIST 和已知姿态的模拟冷冻电镜数据上,EB-FM 可在原子坐标空间恢复蛋白质构象的连续分布;验证限于模拟数据。

AI 根据报道生成 · 12 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月4日
  1. arXiv
    EB-FM:面向连续冷冻电镜异质性的经验贝叶斯流匹配

    EB-FM 用蒙特卡洛随机近似 EM 框架,从带噪二维投影图像直接学习 3D 原子结构的流匹配先验,无需干净数据预训练。其 E 步以引导流生成做近似后验采样并保留持久潜变量估计,M 步用稳定后的潜变量更新流模型。在 two-moons、MNIST 和已知姿态的模拟冷冻电镜数据上,EB-FM 可在原子坐标空间恢复蛋白质构象的连续分布。