[논문 리뷰] Cryo-Electron Microscopy Image Analysis Using Multi-Frequency Vector Diffusion Maps

Yifeng Fan, Zhizhen Zhao|arXiv (Cornell University)|2019. 04. 16.

Advanced Electron Microscopy Techniques and Applications참고 문헌 27인용 수 6

한 줄 요약

이 논문은 냉동전자현미경(크리오-EM) 영상의 노이즈 제거 및 2D 분류를 위한 새로운 프레임워크인 다중주파수 벡터 확산 매핑(MFVDM)을 제안한다. 이 방법은 SO(2) 회전의 비가역 표현을 통합하여 최근접 이웃 탐색의 정확성을 향상시키고, MFVDM 행렬의 고유벡터를 사용해 강건한 정렬을 구현한다. 기존 최고 수준의 방법들보다 뛰어난 노이즈 제거 성능과 더 빠른 런타임을 달성하여, 노이즈가 많은 크리오-EM 영상으로부터 고해상도 3D 초기 모델을 생성한다.

ABSTRACT

Cryo-electron microscopy (EM) single particle reconstruction is an entirely general technique for 3D structure determination of macromolecular complexes. However, because the images are taken at low electron dose, it is extremely hard to visualize the individual particle with low contrast and high noise level. In this paper, we propose a novel approach called multi-frequency vector diffusion maps (MFVDM) to improve the efficiency and accuracy of cryo-EM 2D image classification and denoising. This framework incorporates different irreducible representations of the estimated alignment between similar images. In addition, we propose a graph filtering scheme to denoise the images using the eigenvalues and eigenvectors of the MFVDM matrices. Through both simulated and publicly available real data, we demonstrate that our proposed method is efficient and robust to noise compared with the state-of-the-art cryo-EM 2D class averaging and image restoration algorithms.

연구 동기 및 목표

• 크리오-EM 단일 입자 재구성에서 신호 대 잡음비(SNR)가 낮아 영상이 매우 노이즈가 많고 대비가 낮아 정렬이 어려운 문제를 해결하기 위해.
• 회전 불변성과 정렬 일관성을 활용하여 최근접 이웃 탐색을 향상시켜 2D 영상 분류 및 노이즈 제거의 정확성과 효율성을 높이기 위해.
• MFVDM 고유값과 고유벡터를 기반으로 한 강건한 그래프 필터링 기반 방식을 개발하여 크리오-EM 영상의 푸리에-베셀 전개 계수를 노이즈 제거하기 위해.
• 이미지 노이즈 제거 및 정렬을 향상시켜 후속 3D 재구성에 사용할 고품질의 초기 3D 모델을 생성하기 위해.
• RELION, CWF, SGL, ASPIRE와 같은 기존 방법들보다 노이즈 제거 정확도, 런타임, 3D 재구성 해상도 측면에서 뛰어난 성능을 내기 위해.

제안 방법

• MFVDM는 SO(2)의 다중 비가역 표현을 통합하여 영상 경로 전반에 걸친 회전 정렬 일관성을 모델링하는 벡터 확산 매핑의 확장이다.
• MFVDM 행렬의 고유벡터를 사용하여 유사한 영상 간 최적의 평면 내 회전과 정렬을 추정함으로써 최근접 이웃 분류의 강건성을 향상시킨다.
• MFVDM 행렬의 고유값과 고유벡터를 활용한 그래프 필터링 기법을 적용하여 푸리에-베셀 전개 계수를 노이즈 제거하고, CTF 보정 및 재색조 조정을 수행한다.
• 모서리 픽셀에서 추정한 노이즈 파wer 스펙트럼을 사용해 영상의 사전 화이트닝을 수행한 후, CTF 보정을 위해 단계 반전을 수행한다.
• 기존 기준 기반의 참조 방향을 추정하고 청소된 영상 템플릿을 생성하기 위해 RELION의 3D 자동 정련 도구를 사용해 템플릿 매칭을 수행한다.
• 모델은 시뮬레이션 및 실제 크리오-EM 데이터셋(TRPV1 및 HIV-1 Nef)을 대상으로 평가되었으며, MSE, SSIM, PSNR, FSC 등의 정량적 비교를 통해 분석되었다.

실험 결과

연구 질문

• RQ1 SO(2)의 다중 비가역 표현을 통합함으로써 극도로 노이즈가 많은 크리오-EM 영상에서 최근접 이웃 탐색의 강건성을 향상시킬 수 있는가?
• RQ2 MFVDM 기반 그래프 필터링 기법이 CWF, SGL, RELION과 같은 기존 최고 수준의 방법들보다 더 나은 영상 노이즈 제거 성능을 낼 수 있는가?
• RQ3 MFVDM를 통해 유도된 노이즈 제거 영상은 기존 2D 클래스 평균화 및 노이즈 제거 파이프라인에 비해 더 높은 해상도의 3D 초기 재구성 모델을 생성할 수 있는가?
• RQ4 MFVDM는 GPU 가속 및 CPU 기반 방법들인 RELION 및 ASPIRE와 비교해 런타임 효율성이 뛰어나다고 할 수 있는가?
• RQ5 특히 작은 매크로분자 복합체에 대해 MFVDM는 낮은 SNR 조건에서도 구조적 세부 정보를 얼마나 잘 유지하는가?

주요 결과

• MFVDM는 3D 초기 재구성 모델에서 가장 높은 푸리에 쉘 상관관계(FSC)를 기록했으며, TRPV1의 경우 15.88Å, HIV-1 Nef의 경우 8.69Å의 해상도를 달성하여 RELION(15.88Å 및 9.78Å), CWF(16.93Å 및 39.12Å), SGL(19.54Å 및 39.12Å), ASPIRE(21.16Å 및 16.76Å)를 모두 능가했다.
• MFVDM 노이즈 제거는 가장 빠른 파이프라인으로, TRPV1의 경우 10,000张 영상의 노이즈 제거를 43분에 완료했고, HIV-1 Nef의 경우 32분이 소요되었으며, 이는 각각 RELION의 366분 및 308분과 비교해 빠른 성능을 보였다.
• 시각적으로 MFVDM로 노이즈 제거된 영상들은 다른 방법들에 비해 더 깔끔한 구조를 보이며, 특히 낮은 SNR 조건에서 세부 구조를 더 잘 유지했다.
• 모든 비교 방법들 중에서 가장 낮은 MSE와 가장 높은 SSIM 및 PSNR 값을 기록하여 정량적 지표상 뛰어난 노이즈 제거 품질을 입증했다.
• MFVDM 기반 3D 모델은 가우시안 필터링을 거친 기준 볼륨과 더 가까운 시각적 유사성을 보였고, CWF, SGL, ASPIRE의 모델보다 더 많은 서브-구조를 유지했다.
• MFVDM는 다중 경로를 통해 회전 불변성을 활용함으로써 노이즈가 많은 초기 최근접 이웃 추정 오류를 줄여 정렬 일관성을 향상시켰다.