[论文解读] Cryo-Electron Microscopy Image Analysis Using Multi-Frequency Vector Diffusion Maps

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

Advanced Electron Microscopy Techniques and Applications参考文献 27被引用 6

一句话总结

该论文提出了一种名为多频带向量扩散映射（MFVDM）的新框架，用于冷冻电镜图像去噪与二维分类。该方法通过引入SO(2)旋转的不可约表示，并利用MFVDM矩阵的特征向量实现鲁棒对齐，从而提升最近邻搜索的性能。与现有最先进方法相比，该方法在去噪性能和运行速度方面均表现更优，能够从噪声较大的冷冻电镜图像中生成更高分辨率的三维初始模型。

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.

研究动机与目标

• 为解决冷冻电镜单粒子重构中信号噪声比（SNR）低的问题，即图像极度嘈杂且因对比度低而难以对齐。
• 通过利用旋转不变性与对齐一致性，改进最近邻搜索，从而提升二维图像分类与去噪的准确性和效率。
• 基于MFVDM的特征值与特征向量，开发一种鲁棒的图滤波方案，用于去噪冷冻电镜图像的傅里叶-贝塞尔展开系数。
• 通过改进图像去噪与对齐，为后续三维重构生成更高质量的初始三维模型。
• 在去噪准确性、运行时间与三维重构分辨率方面，超越现有方法如RELION、CWF、SGL与ASPIRE。

提出的方法

• 该方法提出多频带向量扩散映射（MFVDM），通过引入SO(2)的多个不可约表示，扩展了向量扩散映射，以建模图像路径间旋转对齐的一致性。
• 利用MFVDM矩阵的特征向量估计图像间最优平面内旋转与对齐，提升最近邻分类的鲁棒性。
• 应用基于MFVDM特征值与特征向量的图滤波方案，对冷冻电镜图像的傅里叶-贝塞尔展开系数进行去噪，随后进行CTF校正与重新着色。
• 通过估计角落像素的噪声功率谱，对图像进行预白化处理，随后进行相位翻转以实现CTF校正。
• 利用RELION的3D自动精修工具进行模板匹配，以估计参考方位并生成用于比较的干净图像模板。
• 该方法在模拟数据集与真实冷冻电镜数据集（TRPV1与HIV-1 Nef）上进行评估，采用MSE、SSIM、PSNR与FSC等指标进行定量比较。

实验结果

研究问题

• RQ1 在极度嘈杂的冷冻电镜图像中，引入SO(2)的多个不可约表示是否能提升最近邻搜索的鲁棒性？
• RQ2 基于MFVDM的图滤波方案是否能产生优于现有最先进方法（如CWF、SGL与RELION）的图像去噪效果？
• RQ3 由MFVDM生成的去噪图像是否能产生比现有二维分类平均与去噪流程更高分辨率的三维初始重构模型？
• RQ4 与GPU加速及CPU实现的RELION与ASPIRE等方法相比，MFVDM在运行时间效率方面表现如何？
• RQ5 在低信噪比条件下，MFVDM在保留小分子量大分子复合物结构细节方面的能力如何，尤其在结构细节保持方面？

主要发现

• MFVDM在三维初始模型中实现了最高的傅里叶壳相关性（FSC）与最佳分辨率，TRPV1为15.88Å，HIV-1 Nef为8.69Å，优于RELION（15.88Å与9.78Å）、CWF（16.93Å与39.12Å）、SGL（19.54Å与39.12Å）与ASPIRE（21.16Å与16.76Å）。
• MFVDM去噪速度最快，完成10,000张图像的去噪仅需43分钟（TRPV1）与32分钟（HIV-1 Nef），而RELION分别耗时366与308分钟。
• 视觉上，MFVDM去噪图像展现出更清晰的结构，且对细小细节的保留优于其他方法，尤其在低信噪比条件下表现更优。
• 在所有对比方法中，MFVDM实现了最低的MSE与最高的SSIM与PSNR值，表明其在定量指标上具有更优的去噪质量。
• 基于MFVDM的三维模型在视觉上更接近高斯滤波后的参考体积，且保留了更多亚结构，优于CWF、SGL与ASPIRE生成的模型。
• 通过利用多路径间的旋转不变性，MFVDM显著提升了对齐一致性，减少了由初始最近邻估计噪声带来的误差。