Új AI-modell tanul szimulált adatokból a fehérjék azonosításához
A CARNIVAL nevű új AI-modell szimulált cryo-electron tomográfiai (cryo-ET) adatokból tanul, hogy pontosabban azonosítsa a fehérjéket, miközben kihasználja a képalkotási folyamatból származó „privilegizált információkat”.
A cryo-ET adatok elemzésére kifejlesztett CARNIVAL modell szimulált környezetben, az úgynevezett forward modellek segítségével generált, torzított nézeteket használ a fehérjék azonosítására. A LeJEPA önfelügyelt keretrendszerbe integrált módszer a képalkotási folyamatból származó torzításokat domain-specifikus, páros nézetekké alakítja át, amelyeket az invariancia elvére képeznek le. (ArXiv CV)
A kutatók a szimulációs folyamatból származó további információkat, mint például a fehérjék pozícióját és azonosítóját, szintén beépítették a modell architektúrájába és a veszteségfüggvénybe. Ez lehetővé teszi, hogy a szemantikai információk lokalizálódjanak a fehérjék helyén a generált sűrű jellemzőkben.
A CARNIVAL modellt finomhangolás nélkül tesztelték valós tomogramokon, osztályozási és detektálási feladatokban. A modell egy teljesítményteszt adathalmazon dolgozott, amely többféle fehérjetípust és két különböző tomogramfeldolgozó típust tartalmazott.
A CARNIVAL felülmúlja a korábbi, szimulált adatokon, kontrasztív célkitűzéssel betanított, de forward modellel generált páros nézetek és privilégiuminformációk nélkül dolgozó modelleket. Az eredményeket Bogdan Toader és kutatócsoportja mutatta be az arXiv előnyomtatott formában elérhető tanulmányában.