项目名称: 面向不同对称性分子的自适应高性能单颗粒重构算法研究

项目编号: No.61502475

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 王功明

作者单位: 中国科学院生物物理研究所

项目金额: 20万元

中文摘要: 对称自适应函数(Symmetry Adapted Function, SAF)算法是效果最好的单颗粒重构算法,生物学家采用该算法获取多种接近原子分辨率的分子结构,辅助生物领域的前沿科学研究。但是,该算法在某些方面还存在不足,而且仅在20面体分子重构中取得成功,尚未报道其它对称性分子重构的真实结果。本项目解决SAF算法在20面体分子重构中存在的问题,并将优化后的SAF算法拓展到非20面体分子。主要内容有:(1)提出适用于20面体分子的高性能SAF算法,解决缔合勒让德多项式计算、球面SAF矩阵插值等方面的问题。(2)设计适用于非20面体分子三维重构的傅里叶-贝赛尔算法,作为非20面体分子SAF算法的性能参照对象。(3)将适用于20面体分子的高性能SAF算法拓展到非20面体分子,开发出适用于不同对称性分子的自适应高性能单颗粒重构软件包,为研究分子结构和功能的关系提供更精确的信息。

中文关键词: 冷冻电镜;分子结构;高性能;自适应;对称性

英文摘要: In theory, SAF(Symmetry Adapted Function) algorithm is the best in all single particle reconstruction algorithms. Biologists use this algorithm to obtain a variety of molecular structures at near-atomic resolution, which facilitates the advanced science research in the field of biology. However, SAF algorithm has self-shortcomings in some aspects, only is succeed in the Cryo-EM data of icosahedral molecule, and the reconstruction case of non-icosahedral molecule has not reported. In our study, the problems of SAF algorithm for icosahedral molecule are solved, and the optimized SAF algorithm is extended to the non-icosahedral molecule. The details are as follows. First of all, the high-performance SAF algorithm for icosahedral molecule is proposed, and the problems such as associated Legendre polynomial calculation and spherical SAF matrix interpolation are solved. After that, the Fourier-Bessel algorithm for non-icosahedral molecule is proposed and taken as the reference object of SAF algorithm. Subsequently, the high-performance SAF algorithm for icosahedral molecule is extended to non-icosahedral molecule and compared with the Fourier-Bessel algorithm. Finally, an self-adaptive and high-performance single particle reconstruction software package is developed, which is used to reconstruct the different symmetrical molecules automatically. In sum, our method can supply more accurate information for discovering the relationship between molecular structure and function.

英文关键词: Cryoelectron Microscopy;Molecular Structure;High Performance;Self-Adaptive;Symmetry

成为VIP会员查看完整内容
0

相关内容

【AAAI 2022】 GeomGCL:用于分子性质预测的几何图对比学习
专知会员服务
23+阅读 · 2022年2月27日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
113+阅读 · 2022年1月14日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
算法分析导论, 593页pdf
专知会员服务
147+阅读 · 2021年8月30日
专知会员服务
64+阅读 · 2021年7月25日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
27 英寸 iMac,要说再见了?
ZEALER订阅号
0+阅读 · 2022年3月12日
可对药物分子进行表征的几何深度学习
机器之心
0+阅读 · 2022年2月6日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知
0+阅读 · 2021年12月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
27+阅读 · 2021年11月11日
Arxiv
46+阅读 · 2021年10月4日
Exploring Visual Relationship for Image Captioning
Arxiv
14+阅读 · 2018年9月19日
小贴士
相关VIP内容
【AAAI 2022】 GeomGCL:用于分子性质预测的几何图对比学习
专知会员服务
23+阅读 · 2022年2月27日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
113+阅读 · 2022年1月14日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
算法分析导论, 593页pdf
专知会员服务
147+阅读 · 2021年8月30日
专知会员服务
64+阅读 · 2021年7月25日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
相关资讯
27 英寸 iMac,要说再见了?
ZEALER订阅号
0+阅读 · 2022年3月12日
可对药物分子进行表征的几何深度学习
机器之心
0+阅读 · 2022年2月6日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知
0+阅读 · 2021年12月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员