课题基金 / 基金详情

面向大尺度生物图像的高精度三维分子结构重构技术研究

批准号:
61472397
项目类别:
面上项目
资助金额:
86.0 万元
负责人:
刘志勇
学科分类:
生物信息计算与数字健康
结题年份:
2018
批准年份:
2014
项目状态:
已结题
项目参与者:
Albert F Lawrence、万晓华、王林、韩仁敏、徐帆、张静蓉、周碧玉

项目摘要

结项摘要

项目成果

刘志勇的其他基金

相似基金

相关文献

中文摘要
生物显微图像三维重构是研究生物大分子三维结构的前沿技术。但是目前显微影像三维重构技术和软件存在诸如难以处理大规模大尺度生物图像中的信息缺失、高噪声、扭曲变形等问题,难以构造高精度的三维重构结果,以及处理速度和效率不能满足科学家的需求等重要缺陷。本项目研究面向大尺度生物图像的高精度分子结构三维重构的关键技术,包括:1,面向大规模生物图像的对位算法:与现存对位算法不同, 本项目研究能很好地识别和利用真实生物样本自身图像的有关信息而增强对位精度的理论与技术;2,面向大尺度生物图像的高精度重构模型与算法:研究能有效解决扭曲变形、信息缺失等问题的曲线投影模型、迭代重构算法;3,针对该应用特征的并行处理技术,包括针对计算结构特征的数据分布、资源分配与调度技术。本项研究将为生物信息处理领域提供高精度的三维重构技术,为揭示原子级的生物分子结构提供理论和技术。
英文摘要
Three-dimensional (3D) reconstruction of Biological Microscopy imaging has been a leading technique in analyzing 3D structures of biomacromolecule. However, current technique for 3D-reconstruction of microscopic imaging has the following deficiencies: Firstly, it is difficult to resolve the problems of missing wedge,highly noisy data, and image distortion, so that high-quality 3D reconstruction cannot be obtained for large scale biological images.Secondly, The procees is very time-consuming and its efficiency is not satisfactory. Facing the above challenges, the following issues are investigated in the project: (1) Alignment Techniques: Different from existing alignment techniques which cannot effectively utilize the information in large scale biological images in their alignment process for 3D reconstruction, new techniques that can effectively utilize some key biological information for improving the reconstruction resolution of 3D reconstruction will be investigated. (2) Advanced projection and reconstruction models, and algorithms: New curviliear projection models that can improve the quality of 3D reconstruction will be investigated; in addition, iterative reconstruction algorithms that can resolve the missing wedge problem and obtain high resolution of 3D reconstruction for biological microscopic images will be investigated. (3) Parallel processing techniques for biological microscopic images 3D reconstruction: the computational structure of the application will be investigated, corresponding schemes for data partition and distribution will be developed, and job and resource distribution and scheduling algorithms will be investigated. High quality 3D reconstruction techniques will be provided for large scale biological images so that atom-level biological molecular 3D structure can be revealed.
电子断层三维重构技术是近几年迅速发展起来的研究生物大分子纳米分辨率三维结构的前沿技术,是联接细胞生物学和结构分子生物学研究的重要手段。目前电子断层三维重构技术存在如下缺陷:1. 缺乏有效的处理大规模生物图像的对位算法;2. 缺乏高精度的大规模大尺度生物图像的三维重构技术;3. 缺乏针对大规模生物图像的三维重构高效并行处理技术;4. 缺乏面向大规模大尺度生物图像的三维重构软件系统。.本项目在执行期间,从大尺度生物图像精确对位技术、大尺度电子断层重构算法、大规模电子断层重构并行计算和面向大规模大尺度生物显微图像的电子断层重构软件四个方面取得了进展:实现了对于大尺度大规模生物电镜图像的全自动对位算法Markerauto;提出多种能够弥补电子断层三维重构中信息缺失的高精度重构算法FASART、BSIRT、FIRT、ICON以及多轴重构算法AuTom-dualx;利用动态存储机制和任务调度策略实现了在多种并行平台上的生物图像电子断层重构的高效并行处理技术;开发了一套完整的面向大规模大尺度生物显微影像的全自动电子断层重构软件系统。项目实施过程中,主要参与人员至今已经在Cell Research(中科院JCR一区)、Bioinformatics、Journal of Structural Biology、BMC Bioinformatics、IEEE Transactions on Nanobioscience、IEEE/ACM Transactions on Computational Biology and Bioinformatics等国际顶级期刊和会议上发表论文27篇,其中SCI期刊论文20篇,EI会议论文7篇,获得授权的专利两项。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
FASART: An iterative reconstruction algorithm with inter-iteration adaptive NAD filter
FASART:一种具有迭代间自适应 NAD 滤波器的迭代重建算法
DOI: --
发表时间: 2015
期刊: Bio-medical Materials and Engineering
影响因子: 1
作者: [Zhou, Ziying, Li, Yugang, Zhang, Fa, Wan, Xiaohua]
通讯作者: Wan, Xiaohua
PIXER: an automated particle-selection method based on segmentation using a deep neural network
PIXER:一种基于深度神经网络分割的自动粒子选择方法
DOI: 10.1186/s12859-019-2614-y
发表时间: 2019-01-18
期刊: BMC BIOINFORMATICS
影响因子: 3
作者: [Zhang, Jingrong, Wang, Zihao, Zhang, Fa]
通讯作者: Zhang, Fa
Accelerating electron tomography reconstruction algorithm ICON with GPU.
使用 GPU 加速电子断层扫描重建算法 ICON
DOI: 10.1007/s41048-017-0041-z
发表时间: 2017
期刊: Biophysics reports
影响因子: --
作者: [Chen Y, Wang Z, Zhang J, Li L, Wan X, Sun F, Zhang F]
通讯作者: Zhang F
A fast fiducial marker tracking model for fully automatic alignment in electron tomography.
用于电子断层扫描全自动对准的快速基准标记跟踪模型
DOI: 10.1093/bioinformatics/btx653
发表时间: 2018-03-01
期刊: Bioinformatics (Oxford, England)
影响因子: --
作者: [Han R, Zhang F, Gao X]
通讯作者: Gao X
20
    面向典型疾病的高精度生物大分子三维结构研究
    • 批准号:
      U1611263
    • 项目类别:
      联合基金项目
    • 资助金额:
      450.0万元
    • 批准年份:
      2016
    • 负责人:
      刘志勇
    • 依托单位:
    高性能算法设计与分析
    • 批准号:
      60752001
    • 项目类别:
      专项基金项目
    • 资助金额:
      40.0万元
    • 批准年份:
      2007
    • 负责人:
      刘志勇
    • 依托单位:
    高性能片上存储系统
    国内基金
    海外基金
    开始分析
    查看分析示例

    AI项目解读示例

    课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

    AI项目摘要:

    本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

    AI项目思路:

    科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
    前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
    研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
    技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
    关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
    实验模型:使用A型流感病毒感染的细胞模型进行研究。

    AI技术路线图

    graph TD
      A[研究起始] --> B[文献回顾与假设提出]
      B --> C[实验设计与方法学准备]
      C --> D[A型流感病毒感染模型建立]
      D --> E[TRIM2与病毒RNA相互作用分析]
      E --> F[TRIM2对IFN-β启动子活性的影响]
      F --> G[IFN-β表达水平测定]
      G --> H[TRIM2功能丧失与获得研究]
      H --> I[数据收集与分析]
      I --> J[结果解释与科学验证]
      J --> K[研究结论与未来方向]
      K --> L[研究结束]
                              

    AI项目解读