MPI並列最適化に基づくクライオ電子サブトモグラムの精密アライメント

Fine-grained alignment of cryo-electron subtomograms based on MPI parallel optimization.

• Yongchun Lü
• Xiangrui Zeng
• Xiaofang Zhao
• Shirui Li
• Hua Li
• Xin Gao
• Min Xu

抄録

背景:

クライオ電子トモグラフィー（Cryo-ET）は、細胞内の高分子複合体の三次元構造を原環境で再現するためのイメージング技術です。クライオ電子顕微鏡技術の発展により、クライオ電子トモグラフィーの三次元再構成の画質が大幅に向上しました。しかし、クライオ電子顕微鏡画像は、解像度が低く、部分的なデータロスがあり、S/N比が低いという特徴があります。これらの課題に取り組み、解像度を向上させるためには、同じ構造を含む多数のサブトモグラムを整列させ、平均化する必要がある。サブトモグラムを精製して整列させるための既存の方法は、まだ非常に時間がかかり、多くの計算量の多い処理ステップ（３次元空間におけるサブトモグラムの回転や移動など）を必要とします。

BACKGROUND: Cryo-electron tomography (Cryo-ET) is an imaging technique used to generate three-dimensional structures of cellular macromolecule complexes in their native environment. Due to developing cryo-electron microscopy technology, the image quality of three-dimensional reconstruction of cryo-electron tomography has greatly improved. However, cryo-ET images are characterized by low resolution, partial data loss and low signal-to-noise ratio (SNR). In order to tackle these challenges and improve resolution, a large number of subtomograms containing the same structure needs to be aligned and averaged. Existing methods for refining and aligning subtomograms are still highly time-consuming, requiring many computationally intensive processing steps (i.e. the rotations and translations of subtomograms in three-dimensional space).

結果:

本論文では、実空間における非類似度尺度の和を最適化するために、確率的平均勾配(SAG)を用いた微視的整列法を提案する。さらなる高速化を探るために、MPI(Message Passing Interface)並列プログラミングモデルを導入する。

RESULTS: In this article, we propose a Stochastic Average Gradient (SAG) fine-grained alignment method for optimizing the sum of dissimilarity measure in real space. We introduce a Message Passing Interface (MPI) parallel programming model in order to explore further speedup.

結論:

我々は、我々の確率的平均勾配微細粒度アライメントアルゴリズムを、高精度アライメント法と高速アライメント法の2つのベースライン法と比較した。その結果、我々が開発したSAG微粒化アルゴリズムは、2つのベースライン法よりもはるかに高速であることがわかった。タンパク質データバンク(PDB ID:1KP8)のGroELのシミュレーションデータを用いた結果、我々の並列SAG微粒化アライメント法は、高精度アライメントと高速アライメントの両方よりも高精度で、傾斜角度±60または±40の低SNR(SNR=0.003)で、最適に近いリジッド変換を実現できることが示された。GroELおよびGroEL/GroES複合体の実験的なサブトモグラムデータ構造に対して、我々の並列SAGベースの微粒化アライメントは、2つのベースライン手法よりも高精度で、収束までの反復回数が少ないことを示しています。

CONCLUSIONS: We compare our stochastic average gradient fine-grained alignment algorithm with two baseline methods, high-precision alignment and fast alignment. Our SAG fine-grained alignment algorithm is much faster than the two baseline methods. Results on simulated data of GroEL from the Protein Data Bank (PDB ID:1KP8) showed that our parallel SAG-based fine-grained alignment method could achieve close-to-optimal rigid transformations with higher precision than both high-precision alignment and fast alignment at a low SNR (SNR=0.003) with tilt angle range ±60 or ±40. For the experimental subtomograms data structures of GroEL and GroEL/GroES complexes, our parallel SAG-based fine-grained alignment can achieve higher precision and fewer iterations to converge than the two baseline methods.