|
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
ЧИСЛЕННЫЕ ЭКСПЕРИМЕНТЫ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ НЕЙРОННЫХ СЕТЕЙ ПО ОПРЕДЕЛЕНИЮ ОТНОСИТЕЛЬНЫХ КОНФИГУРАЦИЙ АЛЬФА-СПИРАЛЕЙ В БЕЛКОВЫХ СТРУКТУРАХ ПО ДАННЫМ ДИФРАКЦИИ РЕНТГЕНОВСКОГО ЛАЗЕРНОГО ИЗЛУЧЕНИЯ НА ЕДИНИЧНЫХ ЧАСТИЦАХтезисы доклада Тезисы
- Авторы: ШАЙТАН К.В., ЛОЖНИКОВ М.А., НОВОСЕЛЕЦКИЙ В.Н., АРМЕЕВ Г.А., КУДРЯВЦЕВ А.В., КОБЕЛЬКОВ Г.М., ШАЙТАН А.К., КИРПИЧНИКОВ М.П.
- Сборник: XXVIII Российская конференция по электронной микроскопии «Современные методы электронной, зондовой микроскопии и комплементарных методов исследованиях наноструктур и наноматериалов». г. Черноголовка, 7 – 10 сентября 2020г. Том 2
- Том: 2
- Тезисы
- Год издания: 2020
- Место издания: ФНИЦ «Кристаллография и фотоника» РАН Москва
- Первая страница: 115
- Последняя страница: 116
- DOI: 10.37795/RCEM.2020.42.72.044
- Аннотация: ISBN 978-5-6045073-2-2 (т.2)DOI: 10.37795/RCEM.2020.42.72.044Использование рентгеновских лазеров открывает новую эру в структурной биологии и очень гармонично вписывается в перспективное развитие постгеномных технологий. Большой интерес вызывает принципиальная возможность изучения пространственной структуры и динамики единичных биомакромолекул и их комплексов. В настоящее время на этом пути есть ряд задач, которые требуют решения и обусловлены как определенными техническими условиями проведения экспериментов, так и необходимостью разработки новых подходов к анализу дифракции от единичных частиц при отсутствии брэгговских максимумов.В работе развивается подход к анализу дифракции от единичных молекул белков, содержащих альфа-спирали. Альфа-спирали формируют в молекулах белков частично упорядоченные структуры, дифракция от которых имеет характерные особенности, что дает возможность распознавания относительных положений этих структурных элементов при достаточно хорошей тренировке нейронной сети.Изучалась возможность использования сверточных нейронных сетей для распознавания достаточно тонких структурных особенностей в альфа-спиральных белках. Изучались двуспиральные белки и 7-спиральные белки на примере бактериородопсина в двух различных функциональных состояниях, в которых имеется сдвиг отдельных альфа-спиралей на величину порядка 1А.Один из вариантов нейросетей, рассматриваемых в настоящей работе, построен на основе residual блоков [1]. Данные проходят последовательно через четыре residual блока, в которых количество фильтров в свёрточных слоях равно 8, 8, 16 и 16 соответственно. Затем получившееся изображение уменьшается в 2 раза по каждой координате при помощи Average Pool слоя с размером окна 2х2 и шагом 2х2. Классификатор отличается от классификатора нейронной сети типа VGG только тем, что в классификаторе residual нейронной сети отсутствует слой Dropout.Возможность классификации двуспиральных белков была проверена на наборе из 88 пар спиралей, что в терминах решения задачи классификации соответствует 88 классам. Для каждой пары спиралей был получен набор из 115XXVIII Российская конференция по электронной микроскопии VI школа молодых учёных10000 картин рассеяния, соответствующих различной случайной ориентации структуры относительно детектора. Таким образом, всего было получено 880 тысяч картин, из которых 589600 были использованы в качестве обучающей выборки, а 290400 в качестве тестовой. Точность классификации структуры достигала порядка 98% при числе эпох порядка 15.Примером архитектуры другого типа являются нейронная сеть типа VGG [2], основной особенностью которой является использование большого числа фильтров низкой размерности (3x3 или 1x1).Для распознавания изменений альфа-спиральной структуры бактериородопсина в фотоцикле, описанной в работе [3], была использована нейронная сеть, состоящая из трёх последовательных VGG-блоков с числом фильтров в свёрточных слоях равным 32, 64 и 128 соответственно. Для полноатомной структуры каждого из 14 состояний было сгенерировано по 200 картин рассеяния. Размер обучающей выборки составлял 1800 картин рассеяния, а размер тестовой выборки 1000 картин рассеяния. Точность классификации структуры достигала 80% при числе эпох порядка 200 (рис.1).Данная работа поддержана РФФИ, грант No18-02-40010мега.Список литературы:[1] He K., Zhang X., Ren S., Sun J. Proceedings of the IEEE conference on computer vision and pattern recognition. P. 770–778 (2016).[2] Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition // arXiv [cs.CV]. 2014.[3] Nango E., Royant A., Kubo M., et al., A three-dimensional movie of structural changes in bacteriorhodopsin // Science 354:6319, (2016), 1552-1557.
- Добавил в систему: Шайтан Константин Вольдемарович
Прикрепленные файлы
| № | Имя | Описание | Имя файла | Размер | Добавлен |
|---|---|---|---|---|---|
| 1. | Полный текст | пдф, стр.115 | RCEM2020_V2_s.115.pdf | 369,5 КБ | 22 октября 2020 [ShaitanKV] |
| 2. | Полный текст | пдф, стр.116 | RCEM2020_V2_s.116_2.pdf | 413,6 КБ | 22 октября 2020 [ShaitanKV] |