【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)。
