ml-struct-bio/cryodrgn

해결하는 문제

CryoDRGN은 저온 전자 현미경(cryo-EM) 및 저온 전자 톰그래피(cryo-ET)에서 이질적 재구성 문제를 해결합니다. 기존 방법들은 생물 분자의 연속적인 구조적 변형을 표현하는 데 어려움을 겪는 반면, 이 도구는 3차원 구조의 연속적인 분포를 모델링할 수 있게 해줍니다.

작동 방식

이 프로젝트는 볼륨을 뉴럴 네트워크 기반의 표현으로 사용합니다. 구체적으로, 구조적 이질성을 위한 잠재 변수 표현을 학습하기 위해 변분 자동부호화기(VAE)를 사용합니다. 사용자는 이미지 스택을 사전 처리하고, 포즈 및 CTF 파라미터를 해석한 후, 2D 투영에서 3D 볼륨을 재구성하기 위해 VAE를 훈련합니다.

대상 사용자

복잡하고 유연한 생물 분자를 연구하는 구조 생물학자 및 cryo-EM 및 cryo-ET를 사용하는 연구자들을 위한 것입니다.

주요 특징

• 연속 분포 모델링: 이질적인 클래스에 그치지 않고 구조적 유연성을 모델링합니다.
• 통합 파이프라인: 다운샘플링, 포즈/CTF 해석, 그리고 검증을 위한 복셀 기반 백프로젝션 도구를 포함합니다.
• 인터랙티브 시각화: 결과를 시각화하기 위한 엔드투엔드 인터랙티브 대시보드 웹 애플리케이션을 제공합니다.
• GPU 가속: 고해상도 이미지의 훈련을 가속화하기 위해 멀티 GPU 병렬 처리를 지원합니다.