[論文レビュー] Covariance Matrix Estimation for the Cryo-EM Heterogeneity Problem

Gene Katsevich, Alexander Katsevich+1 more|arXiv (Cornell University)|Sep 3, 2013

Advanced Electron Microscopy Techniques and Applications参考文献 21被引用数 9

ひとこと要約

本論文は、3次元分子のノイズの多い2次元投影図のみが観測される、cryo-EMの不均一性問題における新しい共分散行列推定フレームワークを提案する。投影共分散変換の逆問題として定式化し、スパース基底表現を用いることで、真の共分散行列の一貫性のある推定が可能となり、合成実験においても高いノイズ下でも、その固有値スペクトルからコンformationalクラスの数を明らかにすることができる。

ABSTRACT

In cryo-electron microscopy (cryo-EM), a microscope generates a top view of a sample of randomly-oriented copies of a molecule. The problem of single particle reconstruction (SPR) from cryo-EM is to use the resulting set of noisy 2D projection images taken at unknown directions to reconstruct the 3D structure of the molecule. In some situations, the molecule under examination exhibits structural variability, which poses a fundamental challenge in SPR. The heterogeneity problem is the task of mapping the space of conformational states of a molecule. It has been previously suggested that the leading eigenvectors of the covariance matrix of the 3D molecules can be used to solve the heterogeneity problem. Estimating the covariance matrix is challenging, since only projections of the molecules are observed, but not the molecules themselves. In this paper, we formulate a general problem of covariance estimation from noisy projections of samples. This problem has intimate connections with matrix completion problems and high-dimensional principal component analysis. We propose an estimator and prove its consistency. When there are finitely many heterogeneity classes, the spectrum of the estimated covariance matrix reveals the number of classes. The estimator can be found as the solution to a certain linear system. In the cryo-EM case, the linear operator to be inverted, which we term the projection covariance transform, is an important object in covariance estimation for tomographic problems involving structural variation. Inverting it involves applying a filter akin to the ramp filter in tomography. We design a basis in which this linear operator is sparse and thus can be tractably inverted despite its large size. We demonstrate via numerical experiments on synthetic datasets the robustness of our algorithm to high levels of noise.

研究の動機と目的

• 観測可能なのはノイズの多い2次元投影図のみであるが、3次元分子構造の共分散行列を推定する課題に取り組むこと。これは、cryo-EM単粒子再構成の根幹的な問題である。
• 線形投影からの共分散推定という一般的な統計的問題を定式化し、分子内の構造的ばらつきに応用する。
• スペクトル解析を用いてコンformationalクラスの数を明らかにする、共分散行列の一貫性のある推定量を開発する。
• 高次元の投影共分散変換の実用的逆問題を、スパース基底表現を用いて解き、計算的に扱えるようにする。
• 合成cryo-EMデータセットにおける高いノイズレベル下でも、本手法の実用的有効性を検証する。

提案手法

• 3次元分子共分散を観測された2次元投影データに写像する投影共分散変換を含む、線形逆問題として共分散推定問題を定式化する。
• 投影共分散作用素がスパースになるような基底（球面調和関数およびフーリエモード）を導入し、効率的かつ安定した逆問題を可能にする。
• 観測された投影データと既知の投影行列に基づいて導かれる線形方程式系を解くことで推定量を構築し、理想化された条件下で一貫性を保証する。
• 特にサンプルサイズが次元に対して小さい場合に安定性と耐性を高めるために、Tikhonov正則化やノルム正則化を適用する。
• 真の共分散行列に低ランク構造があることに着目し、推定共分散行列の固有値スペクトルを用いてコンformational状態（クラス）の数を同定する。
• トモグラフィーにおけるラムプフィルタに類似した、フィルタードバックプロジェクションに類似た技術を用いて線形方程式系を逆問題化する。この手法は共分散推定フレームワークに適応されている。

実験結果

リサーチクエスチョン

• RQ1 真の3次元構造が観測不能な状況下で、ノイズの多い2次元投影図から3次元分子構造の共分散行列を一貫して推定できるか？
• RQ2 推定共分散行列のスペクトルから、不均一な分子におけるコンformationalクラスの数をどのように回復できるか？
• RQ3 どの基底表現が、高次元の投影共分散作用素の効率的かつ安定した逆問題を可能にするか？
• RQ4 合成cryo-EMデータセットにおける高いノイズレベル下で、本推定量はどのように性能を発揮するか？
• RQ5 非一様な視線方向やCTF効果といった、理想化された仮定の破れに対して、本手法はどの程度耐性を示すか？

主な発見

• 提案手法の推定量は、仮定されたモデルのもとで一貫性を示し、サンプル数が増加するにつれて真の共分散行列に収束する。
• 分子が有限個のコンformationalクラスを持つ場合、推定共分散行列のスペクトルは、顕著な固有値の数によって正しくクラス数を明らかにする。
• 合成cryo-EMデータセットにおいても、高いノイズ下でも本手法は頑健な性能を示し、実用的妥当性を裏付けている。
• 高次元の投影共分散変換は、スパース基底表現を用いることで効果的に逆問題化可能であり、次元の大きさにもかかわらず計算複雑性を低減できる。
• Tikhonov正則化やノルム正則化といった正則化手法により、安定性が向上し、サンプル数が少ない状況下での回復が可能になる。
• 本フレームワークは、時間的に変化する構造を伴う4次元電子トモグラフィーを含む、他のトモグラフィー的問題へも拡張可能である。