Cryo-EM 이미지 분석을 위한 고품질 주석 데이터 부족 문제를 해결하기 위해, 생물물리적 모델링과 생성 기법을 통합한 CryoCCD 합성 프레임워크를 제안합니다. CryoCCD는 조성 불균일성, 세포 맥락 및 물리 기반 이미징을 통해 현실적인 생물물리적 변동성을 반영하는 다중 스케일 cryo-EM 마이크로그래프를 생성합니다. 구조적 정확도를 유지하기 위해 순환 일관성을 강화하고, 공간 적응적 노이즈 패턴을 포착하기 위해 마스크 인식 대조 학습을 사용하는 조건부 확산 모델을 통해 현실적인 노이즈를 생성합니다. 실험 결과, CryoCCD는 구조적으로 정확한 마이크로그래프를 생성하고 입자 선택 및 재구성과 같은 후속 작업의 성능을 향상시키며, 최첨단 기준 모델보다 우수한 성능을 보입니다.
시사점, 한계점
•
시사점:
◦
고품질 주석 데이터 부족 문제를 해결할 수 있는 새로운 cryo-EM 데이터 합성 프레임워크 제시
◦
생물물리적 변동성과 공간적으로 변하는 노이즈를 현실적으로 반영하는 cryo-EM 마이크로그래프 생성