CryoEM - 冷冻电镜 CryoSPARC 软件 构建 模拟数据集 教程

在冷冻电镜 CryoSPARC 开源软件的 downsample 操作用于减少数据集大小的技术，提高计算效率和内存使用率，原理是将原始图像的分辨率降低，从而减少每个图像的像素数，加快图像处理的速度，减少噪声的影响，节省存储空间。downsample 操作可以在 CryoSPARC 的预处理模块中进行，根据需要设置目标分辨率或缩放因子。

在Cryosparc里头经常需要迁移job或者将particle打包成relion可以识别的模式，总是会遇到一个问题，我们需要的颗粒明明很少，但总是保存出一大堆东西来。原因就是，他会把最开初的particle都给你算进来，而不是某个作业对应的particle。把需要输出的particle交给他，restack一下，那么得到的就是干干净净的，这样particle对应的MRC文件。

官方教程指路 创建新的job（快捷键：N） 在该job中，创建新的workspace（快捷键：N） 下载数据集（约８G）。命令：cryosparcm downloadtest，然后解压tar -xf empiar_10025_subset.tar。 导入Movies。 运动矫正。 CTF矫正。 ...

PyTorch3D 是基于 PyTorch 的 3D 数据深度学习库，提供了高效、模块化和可微分的组件，以简化 3D 深度学习的难度。PyTorch3D 包含了常用的 3D 算子和损失函数，以及一个灵活的渲染 API，可以在 PyTorch、C++ 和 CUDA 中并行实现。PyTorch3D 还支持不同大小的 3D 输入的异构批处理，例如网格、点云和体素。PyTorch3D 可以用于多种 3D 深度学习任务，如 3D 形状重建、姿态估计、场景理解和图像合成等。

cryoSPARC系统结构概述 cryoSPARC是一个后端和前端高性能计算软件系统，为单颗粒冷冻电镜提供数据处理和图像分析能力，以及丰富的基于浏览器的用户截面和命令行工具。 Master-worker模式 系统基于主用户模式。 主进程（web应用，核心应用程序和MongoDB数据库）一起在主节点上运行。主节点需要相对轻量级的资源（２+ CPU< 16GB+ RAM）。 工作程序进程可以在具有GPU的任何可用节点上生成，负责所有实际计算和数据处理，并由主节点调度。注意：同一节点可以同时充当主节点和辅

CryoAI 用于同质构象的初步重构算法，使用直接的基于梯度的优化方法，来估计单粒子冷冻电镜数据中的分子姿态和电子散射势，结合可学习的编码器，用于预测每个粒子图像的姿态，以及物理的解码器，用于将每个粒子图像聚合到一个隐式的散射势体积的表示中。这个体积是以傅里叶域的形式存储的，以提高计算效率，利用一个现代的坐标网络架构，以提高内存效率。结合了一个对称化的损失函数，这个框架在模拟和实验数据上，都达到了与现有的冷冻电镜求解器相当的质量，而且在大数据集上的速度快了一个数量级，且内存需求比现有方法低得多。

Title cryosPArc: algorithms for rapid unsupervised cryo-em structure determination Summary 在低温电镜中，得到的是蛋白质在各个姿态下的二维图，本文主题的研究内容即使用SGD，以及分支定界算法。在耗时短，计算资源占用少的前提下，得到高分辨率的3D结构图，且结果比同行的结果更好，耗时更短。算法集成在网站(http://www.cryosparc.com)可供查阅 Research Objective 单粒子低温冷冻电镜是确

本文为细粒度分类数据集的处理方法

介绍一下在冷冻电镜领域如何使用已经解得的三维结构生成无噪声的二维投影，可以利用scipion、cryosparc实现。 这些投影可以当成再次进行颗粒挑选（particlespicking）的模板（templates），也可以用来生成电镜图像的数据集，用来进行降噪、聚类的研究 方法一： 使用scipion中xmipp3的create gallery模块 输入三维模型、对称信息，角度范围，投影步距 得到投影图像 方法二：使用cryosparc的createtemplates功能，步...

主要网站： Protein Data Bankin Europe The European resource for the collection, organisation and dissemination of 3D structural data (from PDB and EMDB) on biological macromolecules and their complexes.

偶尔会用细粒度分类的几个数据集，在此做一下记录，有需要的人也可自取，使用天翼云盘，可以满速下载。 CUB_200_2011：https://cloud.189.cn/t/NRnUV3aiQvAn (访问码:lmf9) Stanford Cars：https://cloud.189.cn/t/IjEJrqV7ZZNn (访问码:3fp2) Stanford Dogs：https://cloud.189.cn/t/euQBV3NZFFRz (访问码:zsh5) Caltech-256：https://cloud

题目 CryoDRGN: reconstruction of heterogeneous cryo-EM structures using neural networks （使用神经网络从异质性的单颗粒数据集中重建三维密度图。) 作者： Ellen D，Zhong (MIT) 该算法首先在人工智能的会议上发表，后拓展到Nature Methods上面。 会议论文指路 期刊论文指路 GitHub指路 摘要 单颗粒分析方法对于重构刚性大分子结构的有效性，然后指出蛋白质复合物构象和组成的异质性对重建方法带来了