[論文レビュー] AITom: Open-source AI platform for cryo-electron tomography data analysis

Xiangrui Zeng, Min Xu|arXiv (Cornell University)|Nov 8, 2019

Advanced Electron Microscopy Techniques and Applications参考文献 39被引用数 9

ひとこと要約

AITom は、従来の画像処理、テンプレートベースおよびテンプレートフリー手法、最新のディープラーニングモデルを統合した、大規模なコールド電子トモグラフィー（cryo-ET）データ解析を目的としたオープンソースAIプラットフォームです。ハイブリッドスクリプト-GUIを用いたリモート分析により、自動粒子ピッキング、サブトモグラム分類、再構成を実現し、欠損ウェッジアーチファクトを伴うノイズが多く、SNRが低いトモグラムにおいても構造回復を顕著に向上させます。

ABSTRACT

Cryo-electron tomography (cryo-ET) is an emerging technology for the 3D visualization of structural organizations and interactions of subcellular components at near-native state and sub-molecular resolution. Tomograms captured by cryo-ET contain heterogeneous structures representing the complex and dynamic subcellular environment. Since the structures are not purified or fluorescently labeled, the spatial organization and interaction between both the known and unknown structures can be studied in their native environment. The rapid advances of cryo-electron tomography (cryo-ET) have generated abundant 3D cellular imaging data. However, the systematic localization, identification, segmentation, and structural recovery of the subcellular components require efficient and accurate large-scale image analysis methods. We introduce AITom, an open-source artificial intelligence platform for cryo-ET researchers. AITom provides many public as well as in-house algorithms for performing cryo-ET data analysis through both the traditional template-based or template-free approach and the deep learning approach. AITom also supports remote interactive analysis. Comprehensive tutorials for each analysis module are provided to guide the user through. We welcome researchers and developers to join this collaborative open-source software development project. Availability: https://github.com/xulabs/aitom

研究の動機と目的

• コールド-ETトモグラムにおける低SNRおよび欠損ウェッジアーチファクトが、マクロマolecules複合体の正確な構造回復を妨えるという課題に対処すること。
• ネイティブな細胞環境下での未知の多様性を持つ細胞小器官成分の体系的局在、同定、セグメンテーション、構造回復を可能にすること。
• 従来手法とディープラーニングベース手法を統合した、統一的で拡張可能で共同作業が可能なオープンソースプラットフォームを提供すること。
• ハイブリッドスクリプト-GUIインタフェースを介したリモートで対話的な分析を支援し、共有計算リソース上でスケーラブルな処理を可能にすること。
• 画像処理や機械学習の深い専門知識がなくても利用可能な、良好にドキュメント化されたツールを提供することで、構造的細胞生物学における発見を加速すること。

提案手法

• AITom は、MRC形式の3次元トモグラムを、ノイズ低減とSNR向上を目的としたボリュームフィルタリング（ガウシアンおよび非等方的拡散）を用いて処理する。
• SNRは、整列済みサブトモグラム間の相互相関を用いて推定され、欠損ウェッジ効果は欠損ウェッジマスクを用いたフーリエ空間相互相関によって定量化される。
• 粒子ピッキングは、調整可能なパラメータを有する差分ガウス関数（DoG）法により実行され、ユーザーが調整可能なシグマとスライス選択が可能な2次元表示ウィンドウでインタラクティブに可視化される。
• サブトモグラム分類および再構成は、非教師ありディープラーニングモデルを用いて実現され、共通の特徴抽出を有する半教師ありオートエンコーダーが、同時に分類と表現学習を実現する。
• 訓練中に観察されていなかった新しい構造的クラスに対応するため、特別な損失関数を備えたオープンセット学習モデルが実装され、未知のパターンのクラスタリングが可能になる。
• リモート分析は、Jupyter Notebookベースのインタフェースを通じてサポートされ、ユーザーはPythonスクリプトを実行し、ローカルブラウザで視覚的出力を確認できる。これにより、自動化と対話的探索が統合される。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニングと従来の画像処理手法を1つのプラットフォームに統合することで、コールド-ETデータ解析の正確性と効率性をどのように向上させられるか？
• RQ2 テンプレートフリーおよび非教師あり学習アプローチは、低SNRおよび欠損ウェッジに影響を受けるトモグラムにおいて、未知の細胞小器官構造をどの程度回復できるか？
• RQ3 ハイブリッドスクリプト-GUIインタフェースは、パフォーマンスや使いやすさを損なわずに、リモートサーバー上でスケーラブルかつ対話的なコールド-ET解析を可能にするか？
• RQ4 事前に構造的知識が不足している場合、半教師ありおよびオープンセット学習モデルは、サブトモグラムの分類および再構成においてどの程度有効であるか？
• RQ5 事前処理（例：SNRおよび欠損ウェッジ推定）の体系的実施が、その後続の粒子ピッキングおよび分類の正確性にどのような影響を与えるか？

主な発見

• AITom は、事前に存在する構造的テンプレートに依存せず、ミトコンドリア膜、リボソーム様パターン、TRiC様複合体を含む既知および未知の細胞小器官構造を正常に回復した。
• ユーザーがガウスカーネルサイズ（シグマ）やスライス表示（z）を調整できる対話的粒子ピッキングが可能であり、これにより検出精度の最適化が可能になった。
• 共通の特徴抽出層を持つ半教師ありオートエンコーダーを用いたサブトモグラム分類は、教師あり分類および非教師あり特徴学習の両方で性能が向上した。
• オープンセット学習モデルは、学習データに存在しなかった新しい構造的クラスを効果的にクラスタリングし、複雑な細胞環境下での未知のパターンに対しても頑健であることを示した。
• Jupyter Notebookを介したリモート分析により、ハイパフォーマンスコンピューティングクラスタ上で分析パイプラインをシームレスに実行でき、ローカルブラウザで結果のリアルタイム可視化が可能になった。
• 包括的なチュートリアルとモジュラー設計により、各分析コンponentをスタンドアロンで実行可能となり、再現性とユーザーのアクセス性が向上した。