[논문 리뷰] Covariance Matrix Estimation for the Cryo-EM Heterogeneity Problem

Gene Katsevich, Alexander Katsevich외 1명|arXiv (Cornell University)|2013. 09. 03.

Advanced Electron Microscopy Techniques and Applications참고 문헌 21인용 수 9

한 줄 요약

이 논문은 3차원 분자의 2차원 투영도만 관측 가능한 크립오-EM 이종성 문제를 위한 새로운 공분산 행렬 추정 프레임워크를 제안한다. 관측된 2차원 투영도로부터의 투영 공분산 변환을 역행하는 문제를 희소 기저 표현을 통해 공식화함으로써, 진짜 공분산 행렬을 일관적으로 추정할 수 있으며, 합성 실험에서 고노이즈 조건 하에서도 스펙트럼을 통해 구조적 다양성 클래스의 수를 드러낼 수 있다.

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.

연구 동기 및 목표

• 관측 가능한 것은 노이즈가 섞인 2차원 투영도 뿐인 3차원 분자 구조의 공분산 행렬을 추정하는 문제에 도전한다. 이는 크립오-EM 단일 입자 복원의 核심 문제이다.
• 선형 투영에서의 공분산 추정이라는 일반적인 통계 문제를 제안하며, 분자의 구조적 변동성에 적용한다.
• 스펙트럼 분석을 통해 구조적 다양성 클래스의 수를 드러내는 일관된 공분산 행렬 추정기법을 개발한다.
• 고차원의 투영 공분산 변환을 희소 기저 표현을 통해 실용적으로 역행함으로써 계산 가능성을 확보한다.
• 합성 크립오-EM 데이터셋에서 고노이즈 수준에 대해 강건함을 입증함으로써, 실제 응용에서의 유용성을 검증한다.

제안 방법

• 3차원 분자 공분산 행렬을 관측된 2차원 투영 데이터로 연결하는 투영 공분산 변환을 포함하는 선형 역문제로 공분산 추정 문제를 공식화한다.
• 투영 공분산 연산자가 희소해지는 기저(구면 조화함수 및 푸리에 모드)를 도입함으로써, 효율적이고 안정적인 역행을 가능하게 한다.
• 관측된 투영도와 알려진 투영 행렬로부터 유도된 선형 시스템을 풀어 추정기법을 구성함으로써, 이상적인 조건 하에서 일관성을 확보한다.
• 작은 표본 크기 대비 높은 차원에서의 안정성과 강건성을 향상시키기 위해 티호노프 또는 노름 핵심 정규화와 같은 정규화 기법을 적용한다.
• 진짜 공분산 행렬의 저랭크 구조를 활용하여, 추정된 공분산 행렬의 스펙트럼을 분석해 구조적 다양성 상태(클래스)의 수를 추론한다.
• 단층 촬영에서 램프 필터와 유사한 필터링 백프로젝션 기법을 응용하여 선형 시스템을 역행함으로써, 공분산 추정 프레임워크에 맞게 조정한다.

실험 결과

연구 질문

• RQ1 진짜 3차원 분자 구조가 관측되지 않는 조건에서, 노이즈가 섞인 2차원 투영도로부터 3차원 분자 구조의 공분산 행렬을 일관되게 추정할 수 있는가?
• RQ2 추정된 공분산 행렬의 스펙트럼으로부터 이종성 분자의 구조적 다양성 클래스 수를 어떻게 복원할 수 있는가?
• RQ3 어떤 기저 표현 방식이 고차원의 투영 공분산 연산자의 효율적이고 안정적인 역행을 가능하게 하는가?
• RQ4 제안된 추정기법은 합성 크립오-EM 데이터셋에서 고노이즈 수준에서 어떻게 성능을 발휘하는가?
• RQ5 비균일한 시야 방향이나 CTF 효과와 같은 이상적인 가정의 위반에 대해 이 방법은 어느 정도 강건한가?

주요 결과

• 제안된 추정기법은 가정된 모델 하에서 일관되며, 표본 수가 증가함에 따라 진짜 공분산 행렬로 수렴한다.
• 분자가 유한한 수의 구조적 다양성 클래스를 가질 경우, 추정된 공분산 행렬의 스펙트럼은 유의미한 고유값의 수를 통해 클래스 수를 정확히 드러낸다.
• 합성 크립오-EM 데이터셋에서 고노이즈 수준에서도 강건한 성능을 발휘하여 실용적 타당성을 입증한다.
• 희소 기저 표현을 통해 고차원의 투영 공분산 변환을 효과적으로 역행할 수 있으며, 이로 인해 높은 차원성에도 불구하고 계산 복잡도를 감소시킨다.
• 티호노프 또는 핵심 노름 정규화와 같은 정규화 기법은 안정성을 향상시키며, 낮은 표본 크기에서의 복원을 가능하게 한다.
• 이 프레임워크는 시간에 따라 변화하는 구조를 갖는 4차원 전자 단층 촬영과 같은 다른 단층 촬영 문제로도 확장 가능하다.