Ab-initio Contrast Estimation and Denoising of Cryo-EM Images

要約

背景と目的：主に氷層の厚さが不均一であるため、クライオEM画像のコントラストはそれぞれ異なります。
このコントラストの変化は、2Dクラスの平均化、3D ab-initioモデリング、および3D不均一性分析の品質に影響を与える可能性があります。
コントラスト推定は現在、3D反復リファイン中に実行されています。
その結果、クラス平均化とab-initioモデリングの初期の計算段階では推定値を利用できません。
この論文は、3Dボリューム、画像回転、またはクラス平均を推定することなく、ab-initio段階で選択された粒子画像から直接コントラスト推定問題を解決することを目的としています。
方法：分析の基礎となる重要な観察結果は、生の画像の2次元共分散行列が、基礎となるクリーンな画像の共分散、ノイズ分散、および画像間のコントラスト変動に関連していることです。
コントラストの変動性が2次元共分散行列から導出できることを示し、既存の共分散ウィーナーフィルタリング（CWF）フレームワークを適用して推定します。
また、個々の画像のコントラストを推定するためのCWFの変更についても説明します。
結果：私たちの方法は、以前のCWF方法と比較して、コントラスト推定を大幅に改善します。
その推定精度は、多くの場合、クリーンな画像のグラウンドトゥルース共分散を知っているオラクルの推定精度に匹敵します。
より正確なコントラスト推定は、合成データセットと実験データセットの両方で示されているように、画像復元の品質も向上させます。
結論：この論文は、3Dボリューム情報を使用せずにノイズの多い画像から直接コントラストを推定するための効果的な方法を提案します。
単粒子解析の初期段階でコントラスト補正が可能になり、下流処理の精度が向上する可能性があります。

要約(オリジナル)

Background and Objective: The contrast of cryo-EM images varies from one to another, primarily due to the uneven thickness of the ice layer. This contrast variation can affect the quality of 2-D class averaging, 3-D ab-initio modeling, and 3-D heterogeneity analysis. Contrast estimation is currently performed during 3-D iterative refinement. As a result, the estimates are not available at the earlier computational stages of class averaging and ab-initio modeling. This paper aims to solve the contrast estimation problem directly from the picked particle images in the ab-initio stage, without estimating the 3-D volume, image rotations, or class averages. Methods: The key observation underlying our analysis is that the 2-D covariance matrix of the raw images is related to the covariance of the underlying clean images, the noise variance, and the contrast variability between images. We show that the contrast variability can be derived from the 2-D covariance matrix and we apply the existing Covariance Wiener Filtering (CWF) framework to estimate it. We also demonstrate a modification of CWF to estimate the contrast of individual images. Results: Our method improves the contrast estimation by a large margin, compared to the previous CWF method. Its estimation accuracy is often comparable to that of an oracle that knows the ground truth covariance of the clean images. The more accurate contrast estimation also improves the quality of image restoration as demonstrated in both synthetic and experimental datasets. Conclusions: This paper proposes an effective method for contrast estimation directly from noisy images without using any 3-D volume information. It enables contrast correction in the earlier stage of single particle analysis, and may improve the accuracy of downstream processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google