有限数据集下冷冻电镜图象的完全三维重构

在冷冻电子断层三维重构领域中，数据收集通常只能在低角度范围内完成。由于收集的数据的不完整性，现有的重构方法所解得的结果在傅立叶空间存在锥形的信息缺失。针对这种数据缺失现象，申请者提出了一种新的重构算法FIRT，该算法能够利用收集的有限二维数据，完整的重构出数据对应的三维结构。该算法将极大地提高冷冻电镜三维重构结果的分辨率，从而给蛋白质等生物大分子的生物学功能和意义的解释带来突破。简单的说，FIRT算法是在实空间中对代数迭代的过程加入各向异性滤波。该方法已在模拟的二维数据中测试通过。本项目的研究内容包括：一, 设计能够适用于冷冻电子断层三维重构的消除缺失锥的新算法FIRT；二，给出算法的严格数学证明；三，推广新方法到冷冻电镜单颗粒三维重构领域，克服单颗粒三维重构的取向占优问题；四，实现算法的软件开发，形成一套成熟的重构结果没有缺失锥的三维重构软件，并应用到各种生物大分子的结构解析。

冷冻电子断层技术的一个瓶颈问题是由于集中在有限角度范围内数据收集而导致的重构结果的信息缺失。重构结果的Fourier变换存在一个对应着高角度区域的楔形缺失，因此该现象被称为缺失锥（或缺失楔）问题。缺失锥现象导致重构结果的Z方向存在一定的各向异性导致的假象，影响了重构结果的分辨率。本项目设计了一种新的算法FIRT（Filtered Iterative Reconstruction Technique），通过在重构过程中引入边缘增强的各向异性扩散滤波，使得重构过程与滤波过程交替迭代进行，其重构的效果能够恢复缺失的信息。利用该算法对二维的模拟条纹图数据进行重构，其结果能够几乎全部恢复缺失锥中的信息；将该算法应用到冷冻电镜三维重构领域的真实数据中，能够一定程度上恢复缺失锥中低频区域的部分信息。同时，算法中SIRT重构部分以及边缘增强的各向异性扩散滤波部分进行了GPU加速，使得算法的计算速度大幅度提高。该项目的工作一定程度上推进了缺失锥问题的解决。