Automatic local resolution-based sharpening of cryo-EM maps
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
MOTIVATION: Recent technological advances and computational developments have allowed the reconstruction of Cryo-Electron Microscopy (cryo-EM) maps at near-atomic resolution. On a typical workflow and once the cryo-EM map has been calculated, a sharpening process is usually performed to enhance map visualization, a step that has proven very important in the key task of structural modeling. However, sharpening approaches, in general, neglects the local quality of the map, which is clearly suboptimal. RESULTS: Here, a new method for local sharpening of cryo-EM density maps is proposed. The algorithm, named LocalDeblur, is based on a local resolution-guided Wiener restoration approach of the original map. The method is fully automatic and, from the user point of view, virtually parameter-free, without requiring either a starting model or introducing any additional structure factor correction or boosting. Results clearly show a significant impact on map interpretability, greatly helping modeling. In particular, this local sharpening approach is especially suitable for maps that present a broad resolution range, as is often the case for membrane proteins or macromolecules with high flexibility, all of them otherwise very suitable and interesting specimens for cryo-EM. To our knowledge, and leaving out the use of local filters, it represents the first application of local resolution in cryo-EM sharpening. AVAILABILITY AND IMPLEMENTATION: The source code (LocalDeblur) can be found at https://github.com/I2PC/xmipp and can be run using Scipion (http://scipion.cnb.csic.es) (release numbers greater than or equal 1.2.1). SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle