基于卷积神经网络算法的X射线晶体衍射实验数据筛选
He jishu（2023）
摘要
X射线串行晶体学作为一种解析蛋白质晶体结构的新方法,因为拥有室温采集、辐射损伤低、时间分辨等优势而得到迅速的发展.利用串行晶体学方法解析蛋白质结构需要在整合大量晶体衍射图的基础上筛选出有效的衍射数据,然而常规的数据筛选方法在处理衍射图时存在准确度不高且效率低的问题.基于卷积神经网络的数据筛选方法具有流程自动化的优势,并且已经被证明相对于传统的"找点法"具有更高的分类准确度.因此在比较5种不同卷积神经网络筛选晶体学衍射图的准确度和效率的基础上,选择并构建一个准确率高且运行速率快的卷积神经网络数据筛选工具,用于不同蛋白质晶体样品衍射图的筛选.结果显示:MobileNets不仅具有ResNet、GoogleNet-Inception等大型网络相似的准确度,而且运行速率更快,为串行晶体学实验提供了一个有效便捷的数据筛选工具.
更多查看译文
关键词
serial x-ray crystallography,convolutional neural network,machine learning,mobilenets
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要