清華新聞網(wǎng)12月18日電 12月12日至14日，第四屆醫(yī)學(xué)人工智能大會(huì)（CMAIC 2025）在蘇州舉行。會(huì)上，清華大學(xué)丘成桐數(shù)學(xué)科學(xué)中心副教授包承龍、2024屆博士畢業(yè)生鄭棣瀚以及求真書(shū)院2023級(jí)博士生張慧共同提出的“面向蛋白質(zhì)結(jié)構(gòu)解析的弱配對(duì)數(shù)據(jù)生成算法”入選2025年度醫(yī)學(xué)人工智能代表性算法。
包承龍（左一）、張慧（左二）接受證書(shū)頒授
冷凍電子顯微鏡（Cryo-EM）雖已成為解析生物大分子結(jié)構(gòu)的核心技術(shù)，但在實(shí)際應(yīng)用中，由于復(fù)雜的成像環(huán)境和極低的信噪比，獲取高質(zhì)量的干凈-噪聲配對(duì)訓(xùn)練數(shù)據(jù)始終是制約AI算法性能的瓶頸。針對(duì)這一挑戰(zhàn)，包承龍團(tuán)隊(duì)構(gòu)建了一套基于概率圖模型的弱配對(duì)數(shù)據(jù)生成理論體系。團(tuán)隊(duì)首先提出LUD-VAE模型，在僅有干凈域數(shù)據(jù)x與退化域數(shù)據(jù)y的邊緣樣本條件下，用概率圖顯式拆分結(jié)構(gòu)/內(nèi)容隱變量z與成像退化/噪聲隱變量z_n，并在推斷不變性假設(shè)下把ELBO寫(xiě)成無(wú)需成對(duì)樣本也可計(jì)算的形式，從而學(xué)習(xí)聯(lián)合分布并由條件分布p(y|x)把任意干凈樣本合成逼真的退化觀(guān)測(cè)，批量產(chǎn)出可控的配對(duì)訓(xùn)練對(duì)。隨后，SeNM-VAE面向少量配對(duì)+大量不配對(duì)的實(shí)際情況，采用層級(jí)隱變量與混合推斷，將僅配對(duì)數(shù)據(jù)、僅干凈數(shù)據(jù)、僅退化數(shù)據(jù)三類(lèi)數(shù)據(jù)統(tǒng)一到同一變分目標(biāo)中，既保留可解釋的退化因子，又顯著增強(qiáng)對(duì)真實(shí)復(fù)雜噪聲分布的表達(dá)能力，生成更貼近實(shí)驗(yàn)的配對(duì)訓(xùn)練樣本。
CryoPROS算法架構(gòu)
在此基礎(chǔ)上，團(tuán)隊(duì)進(jìn)一步將弱配對(duì)數(shù)據(jù)生成模型應(yīng)用于冷凍電鏡領(lǐng)域長(zhǎng)期存在的“優(yōu)勢(shì)取向”難題。由于生物樣本易在氣液界面以特定方向吸附，導(dǎo)致顆粒在冰層中排列產(chǎn)生嚴(yán)重偏倚，進(jìn)而引發(fā)三維重構(gòu)失真。團(tuán)隊(duì)研發(fā)了基于條件層次化變分自編碼機(jī)（cHVAE）的CryoPROS算法，該算法能在超低信噪比及采樣不均衡條件下，高效生成高保真度的輔助顆粒視圖。這些生成數(shù)據(jù)有效補(bǔ)全了實(shí)驗(yàn)數(shù)據(jù)的采樣缺口，團(tuán)隊(duì)據(jù)此提出了生成數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)聯(lián)合優(yōu)化的計(jì)算范式，顯著降低了顆粒對(duì)齊誤差并提升了結(jié)構(gòu)解析的穩(wěn)健性。
目前，該系列成果已在多套實(shí)驗(yàn)數(shù)據(jù)中驗(yàn)證了其有效性，以計(jì)算手段突破了傳統(tǒng)方法依賴(lài)復(fù)雜生物樣本優(yōu)化或特殊數(shù)據(jù)收集策略的局限。CryoPROS算法已被由哈佛大學(xué)醫(yī)學(xué)院管理的國(guó)際生物軟件聯(lián)盟SBGrid收錄。
供稿：丘成桐數(shù)學(xué)科學(xué)中心
編輯：李華山
審核：郭玲
