Rapid DNA origami nanostructure detection and classification using the YOLOv5 deep convolutional neural network.
Rapid DNA origami nanostructure detection and classification using the YOLOv5 deep convolutional neural network.
复制标题
DOI：
10.1038/s41598-022-07759-3
复制
发表时间：
2022-03-09
影响因子：
4.6
通讯作者：
Veneziano R
中科院分区：
文献类型：
--
作者：
Chiriboga M;Green CM;Hastman DA;Mathur D;Wei Q;Díaz SA;Medintz IL;Veneziano R
DNA结构的图像内识别对于自组装DNA折纸支架系统的快速成型和质量控制至关重要。我们假设，通常用于面部识别的YOLO现代物体检测平台可以应用于快速冲刷原子力显微镜（AFM）图像，以高保真度识别正确形成的DNA纳米结构。为了使这种方法广泛使用，我们使用开源软件，并提供了一个简单的程序来设计一个量身定制的，智能的识别平台，可以很容易地重新利用，以适应任意的结构几何形状超出AFM图像的DNA结构。在这里，我们描述的方法来获取和生成必要的组件，以创建这个强大的系统。从DNA结构设计开始，我们详细介绍了AFM成像，数据点注释，数据增强，模型训练和推理。为了证明该系统的适应性，我们组装了两个不同的DNA折纸架构（三角形和面包板）在原始AFM图像检测。使用获取的每个结构的图像，我们训练了每个架构所特有的两个单独的单类对象识别模型。通过按顺序应用这些模型，我们使用有时包括第三个DNA折纸结构以及其他杂质的图像，从3617个总群体中正确识别出3470个结构。分析在20秒内完成，使用我们的方法得到F1分数为0.96。
The intra-image identification of DNA structures is essential to rapid prototyping and quality control of self-assembled DNA origami scaffold systems. We postulate that the YOLO modern object detection platform commonly used for facial recognition can be applied to rapidly scour atomic force microscope (AFM) images for identifying correctly formed DNA nanostructures with high fidelity. To make this approach widely available, we use open-source software and provide a straightforward procedure for designing a tailored, intelligent identification platform which can easily be repurposed to fit arbitrary structural geometries beyond AFM images of DNA structures. Here, we describe methods to acquire and generate the necessary components to create this robust system. Beginning with DNA structure design, we detail AFM imaging, data point annotation, data augmentation, model training, and inference. To demonstrate the adaptability of this system, we assembled two distinct DNA origami architectures (triangles and breadboards) for detection in raw AFM images. Using the images acquired of each structure, we trained two separate single class object identification models unique to each architecture. By applying these models in sequence, we correctly identified 3470 structures from a total population of 3617 using images that sometimes included a third DNA origami structure as well as other impurities. Analysis was completed in under 20 s with results yielding an F1 score of 0.96 using our approach.
登录
查看更多内容
不同种植密度和氮肥用量下，冬油菜籽的产量和油质性状因虫害而发生变化。
影响因子：
4.6
作者：
Khan S;Anwar S;Kuai J;Noman A;Shahid M;Din M;Ali A;Zhou G
通讯作者：
Zhou G
DOI：
10.1002/wnan.1657
发表时间：
2021-01
期刊：
Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology
影响因子：
--
作者：
Dobrovolskaia MA;Bathe M
通讯作者：
Bathe M
影响因子：
14.9
作者：
Douglas SM;Marblestone AH;Teerapittayanon S;Vazquez A;Church GM;Shih WM
通讯作者：
Shih WM
影响因子：
64.8
作者：
Benson, Erik;Mohammed, Abdulmelik;Hogberg, Bjorn
通讯作者：
Hogberg, Bjorn
影响因子：
15
作者：
Delor, Milan;Dai, Jing;Ginsberg, Naomi S.
通讯作者：
Ginsberg, Naomi S.