冷冻电镜异质性分析不再依赖固定位姿:SOLVAR把位姿与主成分一起优化,无先验位姿流程也领先
冷冻电镜的连续异质性分析长期默认颗粒位姿已知,而位姿通常由忽略异质性的均一精修给出,误差会混进结构变异里。SOLVAR 对体积协方差矩阵作低秩假设,把主成分估计改写成可用随机梯度下降求解的优化问题,并把颗粒位姿与对比度纳入同一优化。在 CryoBench 合成数据上它在多数数据集取得最高分,在 RELION 给出初始位姿的无先验流程中,其每图像 FSC 曲线下面积优于该基准评估的其他无先验方法。
冷冻电镜的连续异质性分析长期默认颗粒位姿已知,而位姿通常由忽略异质性的均一精修给出,误差会混进结构变异里。SOLVAR 对体积协方差矩阵作低秩假设,把主成分估计改写成可用随机梯度下降求解的优化问题,并把颗粒位姿与对比度纳入同一优化。在 CryoBench 合成数据上它在多数数据集取得最高分,在 RELION 给出初始位姿的无先验流程中,其每图像 FSC 曲线下面积优于该基准评估的其他无先验方法。
已读完全部报道