記者從中國科學院自動化研究所獲悉，該所多模態(tài)人工智能系統(tǒng)實驗室與生物物理研究所蛋白質(zhì)科學研究平臺生物成像中心合作，以人工智能技術賦能原位結(jié)構(gòu)生物學，提出了一種基于弱監(jiān)督深度學習的快速準確顆粒挑選方法DeepETPicker，相關研究近日在國際學術期刊《自然·通訊》發(fā)表。

　　據(jù)了解，DeepETPicker僅需要少量人工標注顆粒進行訓練即可實現(xiàn)快速準確三維顆粒自動挑選。為降低對人工標注量的需求，該方法優(yōu)選簡化標簽來替代真實標簽，并采用了更高效的模型架構(gòu)、更豐富的數(shù)據(jù)增強技術和重疊分區(qū)策略來提升小訓練集時模型的性能;為提高顆粒定位的速度，采用GPU加速的平均池化-非極大值抑制后處理操作，與現(xiàn)有的聚類后處理方法相比提升挑選速度數(shù)十倍。此外，為方便用戶使用，項目團隊推出了操作簡潔、界面友好的開源軟件以輔助用戶完成圖像預處理、顆粒標注、模型訓練與推理等操作。使用該方法從冷凍電子斷層掃描圖像中挑選顆粒的整體工作流程包括訓練階段和推理階段。

　　研究團隊將DeepETPicker與目前性能最優(yōu)的顆粒挑選方法在多種冷凍電子斷層掃描數(shù)據(jù)集上進行了性能評估對比，結(jié)果表明，該方法在仿真與真實數(shù)據(jù)集上均可實現(xiàn)快速準確的顆粒挑選，其綜合性能明顯優(yōu)于現(xiàn)有的其他方法，生物大分子結(jié)構(gòu)重建達到的分辨率也達到采用專家人工挑選顆粒進行結(jié)構(gòu)重建同樣的水平，這進一步體現(xiàn)了該方法在原位高分辨率結(jié)構(gòu)解析中的實用價值，將為原位結(jié)構(gòu)生物學研究提供有力支持。

　　(總臺央視記者 帥俊全 褚爾嘉)