冷凍電鏡最大似然估計理論

 最大似然估計理論

近年來在單顆粒分析中取得重大突破的應當是最大似然估計(maximum likelihood)理論。最大似然估計的理論可以貫徹整個單顆粒技術圖像分析的過程，在圖像匹配，2D、3D分類 和模型優化上均可以應用，是一個強有力的理論工具。最大似然估計的算法已經在RELION、FREALIGN 等軟件中實現，方便普通用戶使用，這對于推動冷凍電鏡成像技術的應用有重大意義，近三四年來有許多突破性的近原子級別分辨率的分子結構大多是由基于最大似然估計理論的分析軟件得到。

3.1.1 減少計算需求

最大似然估計算法的計算量很大，如何降低計算量是一個重要問題。過多的計算資源消耗曾經阻礙這個方法在冷凍電鏡單顆粒重構中的廣泛應用。在減少最大似然算法在冷凍電鏡應用中的計算需求方面，有兩個重要的貢獻是空間降維(domain reduction)算法和網格插值(grid interpolation)算法。

我們最近在研究一個新的方法來對旋轉參數進行分步處理，初步的結果顯示這種方法可以把計算復雜度降低一個維度，這個方法可很好地應用于高信噪比的數據處理，但對于低信噪比的數據分析還需要對該方法進行改進。

3.1.2 對最大似然方法的未來展望

在未來的研究中，關注點是減少計算的耗時和增加準確度。通用圖形處理器(GPU)的應用和CUDA 編程框架已經顯示出了在高性能計算領域的威力，研究表明GPU 技術可以顯著減少計算時間，而RELION 也將發布支持GPU 計算的2.0 版本。

在加快計算速度的同時，提高模型的重構的準確性則更為重要。如何提高顆粒圖像的準確性以及最大似然方法在這些方面的應用還有待深入探索。總而言之，最大似然方法獨特的、可擴展的統計理論框架可以適用在冷凍電鏡的各種問題上，如多構象、低噪聲、信息缺失中均有很好的應用。