機械学習アルゴリズムにより、X 線データから 3D 画像を迅速に再構成します

近い将来、研究者はお気に入りのタンパク質やウイルスのムービーをこれまでよりも優れた速度で作成できるようになるかもしれません。エネルギー省の SLAC 国立加速器研究所の研究者らは、X-RAI (償却推論による X 線単一粒子イメージング) と呼ばれる新しい機械学習手法を開発しました。この手法は、何百万もの X ​​線レーザーで生成された画像を「見て」、ターゲット粒子の 3 次元再構成を作成できます。最近のチームは 調査結果を報告した で ネイチャーコミュニケーションズ。

膨大な数の画像を分類し、その過程で学習する X-RAI の能力により、データ収集の限界が解放され、研究者が分子を間近で観察できるようになり、場合によっては移動中でも分子を観察できるようになる可能性があります。この研究の主任研究者の一人であるSLACスタッフの科学者フレデリック・ポワトヴァン氏は、処理できるデータセットのサイズに「実際には制限はない」と述べた。

遅行アルゴリズム

SLAC のリニアック コヒーレント光源 (LCLS) は、動作中の原子や分子の X 線スナップショットを撮影し、材料、テクノロジー、生物の基本的なプロセスを明らかにします。

作業はSLACで行われました リニアックコヒーレント光源 (LCLS) – 世界で最も強力な X 線自由電子レーザー。研究者は、タンパク質やウイルスなどの分子の構造や運動についての洞察を得るために、わずか 10 億分の 1 秒の長さの X 線パルスをサンプルに照射します。

研究者がこれらのパルスをサンプルに送信すると、X 線がサンプル内の分子から散乱し、検出器上に 2D 散乱画像が作成されます。これらの 2D 画像の多くを組み合わせて、さまざまな角度から分子に関する情報を取得することで、研究者は分子の 3D 構造を再構成できます。

しかし、このプロセスは時間のかかる作業であり、数十万から数百万の 2D 画像が必要になります。さらに、散乱画像をつなぎ合わせるために従来使用されてきたアルゴリズムは、X 線レーザー データが蓄積されるにつれて遅くなります。スナップショットごとに、アルゴリズムはオブジェクトの 3D 構造を予測しようとします。スナップショットの数が増えるほど、再構成に悩まされる時間が長くなります。

このようなコンピューティングの遅延により、LCLS の研究者は一連の実験を実行するために施設に数日しかアクセスできない可能性があり、研究者が制限される可能性があります。 「結果が出るまで何時間も何日も待たずに、データを収集しながら実際に再構築できるまでこれを迅速化するにはどうすればよいでしょうか?」ポワトヴィンは尋ねた。

LCLS データセットのロックを解除する

この問題を解決するために、スタンフォード大学のゴードン・ウェッツスタイン研究室を含むポワトビン氏らは、X線レーザーデータをその場で処理し、処理が進むにつれて改善する新しい機械学習プログラムを開発した。

ニューラル ネットワークは 2D 画像を「見て」、サンプル粒子の 3D 方向を予測します。また、逆方向にも機能し、3D 投影を取得し、そこから 2D 画像を生成します。この双方向プロセスにより、AI は 2D X 線レーザー データと 3D 再構成の間の関係を継続的に改善することができます。データが多ければ多いほど、2D 画像と 3D 構造の関係がよりよく理解できるようになり、効率が向上します。

この研究の筆頭著者でスタンフォード大学博士課程のジェイ・シェノイ氏は、大規模なデータセットの場合、X-RAIは他のプログラムよりも「はるかに高速」だと述べた。コンピューターサイエンスの学生。論文の中でチームは、新しいアルゴリズムがコンピューター画面上で物体の 3D 構造を予測しながら、1 秒あたり最大 160 枚の画像をリアルタイムで処理できることを実証しました。

研究者らはまた、X-RAI が 2 つの生体分子 (リボソーム サブユニットとタンパク質 ATP シンターゼ) の 3D 構造をどの程度うまく再構築するかを他の 2 つのアルゴリズムと比較し、新しいプログラムの方がより鮮明な再構築を生成することを発見しました。

チームは、この進歩により、世界中のユーザーが LCLS やその他の X 線レーザーでの時間を最大限に活用できるようになることを期待しています。この最先端の X 線光源での実験時間は非常に競争が激しく、成功した応募者には一度に数日間しかアクセスが許可されません。 X-RAI は、研究者が割り当てられた時間をより有効に活用できるようにする可能性があります。

ほぼ無制限の量のデータを迅速に分析できるようになれば、研究者が運動する粒子を研究するのにも役立つ可能性があります。十分な画像があれば、たとえば酵素と薬物の相互作用の動画を再構築できるかもしれません。 X線イメージングの改良により、「実際に分子がどのように動くかをより正確に把握できるようになるかもしれない」とポワトビン氏は語った。