中科院生物物理研究所蛋白质科学研究平台生物成像中心与中国科学院自动化研究所多模态人工智能系统实验室合作，以人工智能技术赋能原位结构生物学，提出了一种基于弱监督深度学习的快速准确的颗粒挑选方法DeepETPicker。相关研究近日发表于《自然-通讯》。
原位冷冻电镜技术是原位结构生物学研究中的关键手段。这一技术流程中的生物大分子的颗粒挑选，即定位识别是一个关键环节，但现有自动挑选方法的应用受人工标注量大、计算成本高和颗粒质量不理想等多方面限制。
据介绍，DeepETPicker仅需少量人工标注颗粒进行训练，即可实现快速准确的三维颗粒自动挑选。DeepETPicker优选简化标签来替代真实标签，并采用更高效的模型架构、更丰富的数据增强技术和重叠分区策略来提升小训练集时模型的性能；为了提高颗粒定位的速度，DeepETPicker采用GPU加速的平均池化-非极大值抑制后处理操作，与现有的聚类后处理方法相比挑选速度提升数十倍。
在冷冻电子断层扫描图像中使用DeepETPicker挑选颗粒的整体工作流程中，在6种定量指标全面评价颗粒挑选质量的性能评估中，DeepETPicker在仿真与真实数据集上均可实现快速准确的颗粒挑选，其综合性能明显优于现有的其他方法，生物大分子结构重建实现的分辨率也达到采用专家人工挑选颗粒进行结构重建的水平，进一步体现了DeepETPicker在原位高分辨率结构解析中的实用价值。
目前，为方便用户使用，项目团队推出了操作简洁、界面友好的开源软件以辅助用户完成图像预处理、颗粒标注、模型训练与推理等操作。