基于深度學習的冷凍電鏡蛋白質顆粒自動挑選算法.pdf

1、在結構生物學領域，采用單顆粒冷凍電鏡技術來解析蛋白質的三維結構已經變得非常熱門。在整個流程當中，蛋白質顆粒挑選過程需要耗費大量的精力與時間。目前顆粒挑選都是先人工標注一些正樣本顆粒，再采用半自動顆粒挑選的方式來挑選顆粒，之后通過人工剔除其中一些假陽性顆粒例如冰渣和碳膜。因此急切需要一種全新的自動化蛋白質顆粒挑選算法來減少人的參與，同時能夠剔除掉一些顯著的假陽性顆粒，保證挑選顆粒的準確度。
　　本文在此背景下通過計算機圖像處理的方法

2、設計實現(xiàn)了一個全自動化蛋白質顆粒挑選算法DeepPicker。在方法設計上采用遷移學習的思想，將之前已經解出來的大量現(xiàn)成的不同種類的蛋白質顆粒進行混合訓練卷積神經網(wǎng)絡分類器，因此這個過程中不需要人工的標注訓練正負樣本。其次DeepPicker采用了Canny邊緣檢測和單連通域分析來剔除假陽性顆粒冰渣和碳膜，極大的降低了人為的參與，實現(xiàn)了整個挑選流程的全自動化。
　　最后在3個公開數(shù)據(jù)集上的測試結果表明了DeepPicker能夠達到