低温Electron顕微鏡法における体積再構成のための深層生成モデリング【JST・京大機械翻訳】

Donnat Claire; Levy Axel; Poitevin Frederic; Zhong Ellen; Miolane Nina

プレプリント

J-GLOBAL ID：202202201921690037 整理番号：22P0025104

低温Electron顕微鏡法における体積再構成のための深層生成モデリング【JST・京大機械翻訳】

Deep Generative Modeling for Volume Reconstruction in Cryo-Electron Microscopy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月08日プレプリントサーバーでの情報更新日： 2022年05月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

低温電子顕微鏡法(cryo-EM)による溶液中の生体分子の高分解能イメージングにおける最近のブレークスルーは,分子体積の再構成のための新しいドアをロックし,生物学,化学,および薬理学的研究におけるさらなる進歩を期待する。エンドツーエンド教師なし深層学習技術と生成モデリングを組み合わせた最近の次世代ボリューム再構成アルゴリズムは,有望な予備的結果を示しているが,実験クライオEM画像に適用した場合,依然としてかなりの技術的および理論的ハードルに直面している。そのような方法の増殖を考慮して,ここでは,クライオ-EM体積再構成のための深い生成モデリングの分野における最近の進展の批判的レビューを提案した。本レビューは,(i)一貫性のある統計的枠組みを用いて,これらの新しい方法を統一し,比較することを目的とし,(ii)クライオ-EMにおける特定の背景のない機械学習研究者とコンピュータ生物学者に慣用する用語を用いて,(iii)それらの相対強度と弱点を強調するための現在の進歩に関する必要な展望を提供し,その分野の改善のための顕著なボトルネックと道筋を浮き彫りにした。また,このレビューは,低信号雑音領域における深い生成モデルの著しい限界を強調するので,コンピュータビジョン実務者の興味を提起し,新しい理論的および方法論的開発の必要性を強調する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

生体の顕微鏡観察法

, , , , ,

前のページに戻る