【環球網科技綜合報道】3月12日ri消xiao息xi，中zhong國guo科ke學xue院yuan自zi動dong化hua研yan究jiu所suo多duo模mo態tai人ren工gong智zhi能neng係xi統tong實shi驗yan室shi楊yang戈ge團tuan隊dui與yu中zhong國guo科ke學xue院yuan生sheng物wu物wu理li研yan究jiu所suo蛋dan白bai質zhi科ke學xue研yan究jiu平ping台tai生sheng物wu成cheng像xiang中zhong心xin孫sun飛fei團tuan隊dui合he作zuo
，以yi人ren工gong智zhi能neng技ji術shu賦fu能neng原yuan位wei結jie構gou生sheng物wu學xue，提ti出chu了le一yi種zhong基ji於yu弱ruo監jian督du深shen度du學xue習xi的de快kuai速su準zhun確que顆ke粒li挑tiao選xuan方fang法faDeepETPicker。

據悉，相關研究以《DeepETPicker：基於弱監督深度學習的快速準確三維冷凍電子斷層掃描圖像粒子自動檢測器》(DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning)為題發表於《自然·通訊》（Nature Communications）。

生物大分子（如蛋白質）的de結jie構gou與yu功gong能neng會hui隨sui著zhe細xi胞bao生sheng理li狀zhuang態tai的de變bian化hua不bu斷duan進jin行xing動dong態tai調tiao整zheng。原yuan位wei結jie構gou生sheng物wu學xue是shi在zai接jie近jin自zi然ran生sheng理li狀zhuang態tai下xia研yan究jiu生sheng物wu大da分fen子zi結jie構gou和he功gong能neng的de科ke學xue，而er原yuan位wei冷leng凍dong電dian鏡jing技ji術shu（cryo-electron tomography, Cryo-ET）以其高分辨率和在接近生理條件下觀察樣品的特點，成為原位結構生物學研究中的關鍵手段。原位冷凍電鏡的技術流程涉及樣品製備、數據采集

、電子斷層重建、顆粒挑選、粒子平均等多個步驟。生物大分子的顆粒挑選，即定位識別，是其中一個關鍵環節。受限於Cryo-ET圖像的極低信噪比和重建偽影等因素，成千上萬個目標顆粒的手動挑選極為耗時費力，現有自動挑選方法的應用受到人工標注量高
、計算成本高和顆粒質量不理想等多方麵限製。

DeepETPicker僅需要少量人工標注顆粒進行訓練即可實現快速準確三維顆粒自動挑選。為降低對人工標注量的需求
，DeepETPicker優選簡化標簽來替代真實標簽，並采用了更高效的模型架構
、更豐富的數據增強技術和重疊分區策略來提升小訓練集時模型的性能
；為提高顆粒定位的速度，DeepETPicker采用圖形處理器（GPU）加速的平均池化-非極大值抑製（MP-NMS, mean pooling and non-maximum suppression）後處理操作
，與現有的聚類後處理方法相比提升挑選速度數十倍。此外，為方便用戶使用
，項目團隊推出了操作簡潔

、界麵友好的開源軟件（圖1）以輔助用戶完成圖像預處理、顆粒標注、模型訓練與推理等操作。

使用DeepETPicker從冷凍電子斷層掃描圖像中挑選顆粒的整體工作流程如圖2所示
，包括訓練階段（圖2a-c）和推理階段（圖2e-g）。在訓練數據的準備階段

，研究人員優選了弱標簽TBall-M來代替真實掩模以減輕人工標注負擔

，並在模型架構設計方麵，引入坐標卷積（coordinated convolution）和圖像金字塔（image pyramid inputs）到3D-ResUNet的分割架構中以提高定位的準確性。在模型推理階段，DeepETPicker采用重疊斷層圖分區策略（OT, overlap-tile）
，避免了由於邊緣體素分割精度不佳而產生的負麵影響

，進而結合MP-NMS操作加速了顆粒中心定位過程。

研究團隊將DeepETPicker與目前性能最優的顆粒挑選方法在多種冷凍電子斷層掃描數據集上進行了性能評估對比，采用六個定量指標全麵評價顆粒挑選的質量（圖3）：精確率-召回率（Precision-Recall）
、F1-分數（F1-score）
、對數似然概率貢獻度（Log-likelihood Contribution）
、最大值概率（maximum value probability）
、RH分辨率（Rosenthal-Henderson resolution）、全局分辨率。結果表明
，DeepETPicker在(zai)仿(fang)真(zhen)與(yu)真(zhen)實(shi)數(shu)據(ju)集(ji)上(shang)均(jun)可(ke)實(shi)現(xian)快(kuai)速(su)準(zhun)確(que)的(de)顆(ke)粒(li)挑(tiao)選(xuan)，其(qi)綜(zong)合(he)性(xing)能(neng)明(ming)顯(xian)優(you)於(yu)現(xian)有(you)的(de)其(qi)他(ta)方(fang)法(fa)
，生(sheng)物(wu)大(da)分(fen)子(zi)結(jie)構(gou)重(zhong)建(jian)達(da)到(dao)的(de)分(fen)辨(bian)率(lv)也(ye)達(da)到(dao)采(cai)用(yong)專(zhuan)家(jia)人(ren)工(gong)挑(tiao)選(xuan)顆(ke)粒(li)進(jin)行(xing)結(jie)構(gou)重(zhong)建(jian)同(tong)樣(yang)的(de)水(shui)平(ping)，這(zhe)進(jin)一(yi)步(bu)體(ti)現(xian)了(le)DeepETPicker在原位高分辨率結構解析中的實用價值。DeepETPicker將為采用原位冷凍電鏡技術的原位結構生物學研究提供有力的支持。