【行業(yè)會議】第一屆冷凍電鏡數(shù)據(jù)處理與相關(guān)技術(shù)交流會,第一輪通知(2025-05-27,物理所)
第一屆全國冷凍電鏡數(shù)據(jù)處理與相關(guān)技術(shù)交流會定于2025年5月27日在中國科學(xué)院物理研究所舉辦。本次會議由中國科學(xué)院物理研究所軟物質(zhì)物理重點(diǎn)實(shí)驗室公共技術(shù)平臺主辦。旨在邀請國內(nèi)知名電鏡平臺和相關(guān)研究單位的一線管理員、研究人員,介紹當(dāng)前通用的技術(shù)和方法,并共同探討冷凍電鏡數(shù)據(jù)處理和相關(guān)技術(shù)的未來發(fā)展方向。 現(xiàn)將會議有關(guān)的具體事宜通知如下: 一:免費(fèi)注冊。掃二維碼入群即完成注冊。 二:會議時間:2025-05-27,08:20~17:40。 三:會議地點(diǎn):中國科學(xué)院物理研究所M樓253會議室 四:人數(shù):不多于60人。 五:歡迎有興趣參與的贊助廠商,共同商討合作事宜。 2025年冷凍電鏡數(shù)據(jù)處理與相關(guān)技術(shù)交流會 中國科學(xué)院物理所軟物質(zhì)物理實(shí)驗室,北京 簡版日程(待完善) 2025年5月27 日(周二),物理所M樓253會議室 閆紀(jì)桐:工學(xué)博士,自2023年6月起加入中國科學(xué)院生物物理研究所蛋白質(zhì)科學(xué)研究平臺生物成像中心任冷凍透射電鏡工程師。主要研究方向為冷凍透射電子顯微學(xué)。 報告題目:CryoARM 200在單顆粒數(shù)據(jù)收集中的優(yōu)勢、劣勢與方法優(yōu)化 內(nèi)容簡介:CryoARM 200作為一款中端冷凍電鏡,在單顆粒分析領(lǐng)域展現(xiàn)出獨(dú)特的優(yōu)勢:其相對低廉的價格降低了實(shí)驗室的入門門檻,配備的冷場電子槍提供了高亮度、低能量分散的電子束,結(jié)合其特殊的“Ω能量過濾器”可有效提升圖像襯度。然而,該設(shè)備也存在明顯局限,包括對平行光條件要求苛刻、樣品無法回收、樣品臺定位精度不足,以及缺乏廠商配套的數(shù)據(jù)采集軟件等問題。針對上述問題需要優(yōu)化數(shù)據(jù)收集策略,匹配樣品定位補(bǔ)償,以充分發(fā)揮該設(shè)備的性能潛力,使其成為單顆粒冷凍電鏡研究的可行選擇。 牛彤欣:高級工程師,2017年6月,畢業(yè)于中國科學(xué)院大學(xué),中國科學(xué)院生物物理研究所,獲得理學(xué)碩士學(xué)位;2017年7月至今,就職于中國科學(xué)院生物物理研究所蛋白質(zhì)科學(xué)研究平臺生物成像中心。主要研究方向為數(shù)據(jù)采集與存儲系統(tǒng)管理、高性能計算機(jī)集群系統(tǒng)管理、電子顯微鏡圖像處理。 報告題目:The Basics of data collection and processing. 內(nèi)容簡介:本報告將系統(tǒng)介紹冷凍電鏡數(shù)據(jù)處理技術(shù)與流程。內(nèi)容涵蓋數(shù)據(jù)采集過程中一些注意事項、詳細(xì)數(shù)據(jù)處理步驟等,并結(jié)合大分子復(fù)合物解析案例,展示冷凍電鏡在近原子分辨率研究中的突破。報告還將探討人工智能工具的應(yīng)用與未來挑戰(zhàn)。 張家愷:Jiakai Zhang(張家愷)is a last-year Ph.D. candidate at VRVC Lab, ShanghaiTech University, advised by Prof. Jingyi Yu. In the summer of 2022, he joined Meta Reality Labs as a research scientist intern in Redmond, WA. His research interests lie in interdisciplinary reconstruction & generation tasks (e.g., dynamic human, spectrum, and protein) using neural representations. Currently, He is focusing on AI applications in protein-centric tasks, particularly for Cryo-EM, via foundation models and generative models. He has also served as a reviewer for top conferences, including CVPR, ECCV, ICCV, NeurIPS, and SIGGRAPH. Beyond academia, he co-founded a startup, Cellverse(寰渺科技) for developing protein-centric AI applications. 報告題目:Unlocking Cryo-EM Data Potential: Generalized Feature Extraction and Physics-Informed Micrograph Generation. 內(nèi)容簡介:隨著人工智能的快速發(fā)展,越來越多的模型被應(yīng)用于冷凍電子顯微鏡(cryo-EM)中的關(guān)鍵任務(wù),包括顆粒挑選、姿態(tài)估計以及動態(tài)重建,從而推動了更高分辨率蛋白質(zhì)結(jié)構(gòu)的解析。然而,由于cryo-EM數(shù)據(jù)存在極低的信噪比,目前大多數(shù)AI模型依賴于在小型、任務(wù)特定的數(shù)據(jù)集上從頭訓(xùn)練的輕量網(wǎng)絡(luò)架構(gòu),這在一定程度上限制了它們的性能和泛化能力。為此,我們提出了DRACO(Denoising-Reconstruction Autoencoder),這是cryo-EM領(lǐng)域首個圖像級別的基礎(chǔ)模型,基于超過27萬張冷凍電鏡原始數(shù)據(jù)進(jìn)行訓(xùn)練。DRACO通過自監(jiān)督的去噪與重建學(xué)習(xí)通用的冷凍電鏡圖像特征提取方法,并可用于多個下游任務(wù)的微調(diào),在降噪、顆粒挑選、位姿估計任務(wù)中顯著提升了模型表現(xiàn)。此外,針對下游任務(wù)中高質(zhì)量標(biāo)注數(shù)據(jù)稀缺的問題,我們進(jìn)一步提出了生成式冷凍電鏡(Generative Cryo-Electron Microscopy, CryoGEM),一個基于對比學(xué)習(xí)的無配對圖像轉(zhuǎn)換以及物理一致噪聲建模的生成式cryo-EM框架。CryoGEM能夠在微圖和顆粒級別上可控地生成真實(shí)感極強(qiáng)的冷凍電鏡圖像及其對應(yīng)的真實(shí)標(biāo)注。實(shí)驗表明,CryoGEM生成的數(shù)據(jù)可以顯著提升下游AI模型的表現(xiàn),甚至在某些情況下超越使用真實(shí)標(biāo)注數(shù)據(jù)所訓(xùn)練的模型。兩篇工作均被NeurIPS 2024所接收。 朱洪濤:于2014年在中國科學(xué)院生物物理研究所獲得博士學(xué)位。2014-2015年在中國科學(xué)院生物物理研究所擔(dān)任助理研究員。2015-2022年加入美國俄勒岡健康與科學(xué)大學(xué)攻讀博士后。2022年11月加入中國科學(xué)院物理研究所軟物質(zhì)實(shí)驗室,任特聘研究員,博士生導(dǎo)師,國科大雙聘教授。目前以第一作者或者通訊作者在Nature(2),Cell,eLife(2),Nature Communications(1),PNAS等雜志發(fā)表多篇研究論文。研究方向集中在利用冷凍電鏡技術(shù)解析細(xì)菌免疫、離子通道等有意義蛋白質(zhì)分子的高分辨結(jié)構(gòu)。 報告題目:通過實(shí)例展示冷凍電鏡數(shù)據(jù)揭示蛋白質(zhì)構(gòu)象的動態(tài)機(jī)制 內(nèi)容簡介:本報告將會以兩套不同的冷凍電鏡數(shù)據(jù)為例子,闡述常用的冷凍電鏡數(shù)據(jù)分析的步驟,遇到的相關(guān)的問題以及所采取的方案,并最終獲取多個構(gòu)象的冷凍電鏡結(jié)構(gòu)。