[发明专利]用于电子显微镜的全自动、无模板粒子拾取

说明书

公开了一种用于全自动、无模板定位和提取显微照片图像中的粒子的多个二维投影的系统和方法。通过分析多个部分重叠的窗口的每个中的图像数据以及与其他窗口相比识别具有满足至少一个统计准则的图像数据的窗口的子集合，来从显微照片图像中自动聚集参考图像的集合。然后计算每个参考图像中的图像数据和多个查询图像窗口的每个中的图像数据之间的归一化的互相关。基于该互相关分析，显微照片中的多个位置被自动识别为包含第一类型的粒子的不同实例的二维投影。然后利用在显微照片中所识别的二维投影来确定粒子的三维结构。

关于联邦资助的研究或开发的声明

本发明是在国家卫生研究院授予的GM090200号拨款和空军科学研究办公室授予的FA9550-12-1-0317号拨款的政府支持下完成的。政府对本发明有一定的权利。

相关申请

本申请声明了于2017年6月13日提交的题为“MAPPING HETEROGENEOUS OR TIME-VARYING OBJECTS USING LOW-ORDER MOMENTS(使用低阶矩映射异构或者时变对象)”的美国临时申请NO.62/518,975以及于2018年1月5日提交的题为“FULLY AUTOMATIC TEMPLATE-FREE APPROACH TO PARTICLE PICKING IN ELECTRON MICROSCOPY(用于电子显微镜中的粒子拾取的全自动无模板方法)”的美国临时申请No.62/614.007的权益，两者的全部内容通过引用并入本文。

背景技术

本发明涉及用于识别包含粒子的溶液图像中的粒子的二维投影的系统和方法。

发明内容

在一些实施方式中，本文所描述的系统和方法提供用于在电子显微镜中使用的全自动、无模板粒子拾取。特别是，所公开的过程允许在低温电子显微镜(cryo-EM)中所获得的显微照片中识别嘈杂、二维的粒子投影。在一些实施方式中，这些方法使用全自动的框架，该框架利用由互相关函数收集的信息。然而，在本文所描述的一些实施方式中，自动互相关方法不需要模板。

粒子拾取是单粒子cryo-EM的计算管道中关键的第一步。从所捕获的包含相同类型的粒子的多个实例的溶液的显微照片中选择粒子可以是困难的——尤其是对于低对比度的小粒子。由于使用cryo-EM的粒子的高分辨率的重建可以需要几十万个粒子，因此手动识别显微照片图像中的粒子投影和手动选择粒子是不切实际地耗时的。另一种选择可以是使用半自动方法从显微照片图像中选择粒子。然而半自动方法可能受到手动偏见的困扰并且可能仍过分的耗时。本文所描述的示例通过提供快速、准确和全自动的粒子拾取来避免这些问题。这些示例中的一些是完全无模板的，并且使用在强度和方差(variance)提示上训练的核支持向量机(SVM)分类器以用于自动粒子识别。

识别二维显微照片中粒子投影的一种方法可能是使用输入模板。互相关函数的峰(即，在显微照片和模板之间)指示粒子投影的位置。相反，在下面的示例中所描述的无模板方法使用从显微照片中自动收集的窗口的训练集合。为了对查询窗口的内容进行分类，使用任何查询窗口与训练集合的响应(依据归一化的互相关)。一旦覆盖整个显微照片的部分重叠的查询窗口的集合已经被分类，最有可能包括粒子投影的窗口集合和最有可能包括噪声的窗口的集合被用来训练SVM分类器。然后分类器被应用于显微照片的每个可能窗口，并向每个窗口的中心像素提供分类。这样，显微照片被分割成粒子投影区域和噪声区域。此外，尽管下面所描述的示例在单粒子cryo-EM中利用粒子拾取技术(例如，从随机噪声中分离信号)，该技术也可应用于广泛的成像应用，例如图像去噪。

与模板匹配方法不同，本文所描述的系统和方法是全自动和数据自适应的。在互相关方法的思想背后，观察到在与模板具有相似视图的粒子的存在下，粒子的一些输入模板与显微照片之间的互相关函数被最大化。如果模板图像仅包括噪声(即，不包含粒子)，则在噪声存在的下，互相关函数不必要被最大化。这意味着，图像的内容可以从该图像与来自显微照片(或显微照片本身)的异构窗口集合的互相关中被发现。这里的一个优势是用户输入不是必要的。