文献

J-GLOBAL ID：202002250122118529   整理番号：20A2273367

自動クライオEMグリッドスクリーニングのための注意誘導品質評価【JST・京大機械翻訳】

Attention-Guided Quality Assessment for Automated Cryo-EM Grid Screening

著者 (3件)： Xu Hong (Scientific Computing and Imaging Institute, School of Computing, University of Utah, Salt Lake City, UT, USA) ,  Timm David E. (Department of Biochemistry, University of Utah, Salt Lake City, UT, USA) ,  Elhabian Shireen Y. (Scientific Computing and Imaging Institute, School of Computing, University of Utah, Salt Lake City, UT, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12265  ページ： 56-65  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 極低温電子顕微鏡法(cryo-EM)は,生物学的マクロ分子の近原子分解能(0.4nm以下)3D再構成を生成することにより,薬物発見および疾患の分子基盤の理解を可能にする。3D再構成に必要なイメージングプロセスは,クライオ-EMグリッドの低倍率画像の取得から始まり,高反復および経験的スクリーニングプロセスを含む。これらの画像は有用な分子信号を含むと思われる正方形に対して検査される。次に,格子内の潜在的に有用な正方形を,高倍率でのイメージングのために,円形穴(正方形で結合)内のサブミクロン領域を同定する目的で,次第に高い倍率で画像化した。この困難な多段階データ収集プロセスは,高スループットデータ収集を得るためのボトルネックである。ここでは,顕微鏡オペレータの初期意思決定を自動化し,正方形の低倍率画像をスコアリングし,自動クライオ-EMグリッドスクリーニングのための最初の深層学習フレームワーク,XCryoNetを提案した。XCryoNetは,限られた量のラベル付きデータを用いて自動的に抽出した正方形画像の説明可能なスコアリングを提供する半教師つき,注意誘導深層学習アプローチである。結果は,ラベル付きデータが不足しているとき,それぞれ,完全教師つきおよび無注意解に対して,最大8%および37%の改善を示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  自動化 ,  オペレータ ,  円孔 ,  *画像処理 ,  データ収集
準シソーラス用語： *品質評価 ,  画像化 ,  ハイスループット ,  スコア化 ,  半教師つき学習 ,  *低温電子顕微鏡 ,  原子分解能 ,  3D画像再構成 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： クライオ電子顕微鏡 ,  注意モデル ,  半教師つき学習

分類 (2件)： 生体の顕微鏡観察法  (EA03050C) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： クライオEM ,  グリッド ,  スクリーニング ,  注意 ,  誘導 ,  品質評価