抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景と目的】クライオ-電子トモグラフィー(cryo-ET)は,サブナノメートル分解能で天然細胞環境の3D可視化を可能にするイメージング技術であり,細胞の分子組織への未予測の洞察を提供する。しかし,クライオ電子トモグラムは,低信号対雑音比と異方性分解能に悩まし,その後の画像解析を困難にする。特に,膜埋め込み蛋白質の自動検出は,まだ満足な解決策を欠いている問題である。【方法】著者らは,クライオ-電子トモグラムにおける膜結合蛋白質複合体を自動的に検出する新しい深層学習ベースのパイプラインであるMemBrainを提示する。サブボリュームをセグメント化膜に沿ってサンプリングした後,各サブボリュームを畳み込みニューラルネットワーク(CNN)を用いてスコアに割り当て,蛋白質位置をクラスタリングアルゴリズムによって抽出した。回転サブボリューム正規化を組み込み,小さな受容場を用いることは,蛋白質検出のタスクを単純化し,ネットワーク訓練を容易にする。【結果】MemBrainは,少量の訓練ラベルのみを必要とし,単一注釈膜のみ(F1スコア:0.88)で優れた性能を達成した。詳細な評価は,著者らの完全に訓練されたパイプラインが,大きなマージン(F1スコア:0.92対最大0.63)によって,既存の古典的コンピュータビジョンベースおよびCNNベースのアプローチより優れていることを示した。さらに,蛋白質中心位置に加えて,MemBrainは蛋白質配向を決定でき,現在までの既存のCNNに基づく方法により実行されていない。また,事前訓練されたMemBrainプログラムは,異なるクライオ-ET法を用いて取得したトモグラムに一般化し,異なるタイプの細胞を描写することも示した。【結論】MemBrainは,低温ETデータにおける膜蛋白質複合体の検出のための強力でラベル効率の良いツールであり,広範囲の生物学的研究に使用できる可能性がある。それは,様々な種類のトモグラムに一般化可能であり,異なるタスクのための事前訓練モデルの使用を可能にする。必要な注釈に関する効率も,モデルの迅速な訓練と微調整を可能にする。対応するコード,事前訓練モデル,およびMemBrainプログラムを操作するための指示を,https://github.com/CellArchLab/MemBrainで見つけることができた。【JST・京大機械翻訳】
