记者从中国科学院自动化研究所获悉，该所多模态人工智能系统实验室与生物物理研究所蛋白质科学研究平台生物成像中心合作，以人工智能技术赋能原位结构生物学，提出了一种基于弱监督深度学习的快速准确颗粒挑选方法DeepETPicker，相关研究近日在国际学术期刊《自然·通讯》发表。
DeepETPicker 软件用户图形界面
据了解，DeepETPicker仅需要少量人工标注颗粒进行训练即可实现快速准确三维颗粒自动挑选。为降低对人工标注量的需求，该方法优选简化标签来替代真实标签，并采用了更高效的模型架构、更丰富的数据增强技术和重叠分区策略来提升小训练集时模型的性能;为提高颗粒定位的速度，采用GPU加速的平均池化-非极大值抑制后处理操作，与现有的聚类后处理方法相比提升挑选速度数十倍。此外，为方便用户使用，项目团队推出了操作简洁、界面友好的开源软件以辅助用户完成图像预处理、颗粒标注、模型训练与推理等操作。使用该方法从冷冻电子断层扫描图像中挑选颗粒的整体工作流程包括训练阶段和推理阶段。
使用 DeepETPicker 从冷冻电子断层扫描图像中挑选颗粒的整体工作流程
研究团队将DeepETPicker与目前性能最优的颗粒挑选方法在多种冷冻电子断层扫描数据集上进行了性能评估对比，结果表明，该方法在仿真与真实数据集上均可实现快速准确的颗粒挑选，其综合性能明显优于现有的其他方法，生物大分子结构重建达到的分辨率也达到采用专家人工挑选颗粒进行结构重建同样的水平，这进一步体现了该方法在原位高分辨率结构解析中的实用价值，将为原位结构生物学研究提供有力支持。
采用定量指标评估DeepETPicker在EMPIAR-10045实验数据集上的粒子挑选性能
(总台央视记者 帅俊全 褚尔嘉)
