• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Symposium on Biomedical Imaging: From Nano to Macro >Classification by bootstrapping in single particle methods
【24h】

Classification by bootstrapping in single particle methods

机译：通过自举在单粒子方法中进行分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In single-particle reconstruction methods, projections of macromolecules at random orientations are collected. Often, several classes of conformations or binding states coexist in a biological sample, which requires classification, so that each conformation can be reconstructed separately. In this work, we examine bootstrap techniques for classifying the projection data. When these techniques are applied to variance estimation, the projection images (particles) are randomly sampled with replacement from the data set and a bootstrap volume is reconstructed from each sample. In a recent extension of the bootstrap technique to classification, each particle is assigned to a volume in the space spanned by the bootstrap volumes, such that the projection of the assigned volume best matches the particle. In this work we explain the rationale of these techniques by discussing the nature of the bootstrap volumes and provide some statistical analyses.
机译：在单粒子重建方法中，将收集大分子在随机方向上的投影。通常，几类构象或结合状态会共存于生物样品中，这需要分类，以便可以分别重建每种构象。在这项工作中，我们研究了用于对投影数据进行分类的自举技术。当将这些技术应用于方差估计时，将对投影图像（粒子）进行随机采样，并从数据集中进行替换，并从每个样本中重建自举体积。在自举技术到分类的最新扩展中，每个粒子都被分配给自举体积跨越的空间中的某个体积，以使分配的体积的投影与该粒子最匹配。在这项工作中，我们通过讨论引导程序卷的性质来解释这些技术的原理，并提供一些统计分析。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号