【行業(yè)會議】第一屆冷凍電鏡數據處理與相關技術交流會，第一輪通知（2025-05-27，物理所）
第一屆全國冷凍電鏡數據處理與相關技術交流會定于2025年5月27日在中國科學院物理研究所舉辦。本次會議由中國科學院物理研究所軟物質物理重點實驗室公共技術平臺主辦。旨在邀請國內知名電鏡平臺和相關研究單位的一線管理員、研究人員，介紹當前通用的技術和方法，并共同探討冷凍電鏡數據處理和相關技術的未來發(fā)展方向。 現將會議有關的具體事宜通知如下： 一：免費注冊。掃二維碼入群即完成注冊。 二：會議時間：2025-05-27，08:20~17:40。 三：會議地點：中國科學院物理研究所M樓253會議室 四：人數：不多于60人。 五：歡迎有興趣參與的贊助廠商，共同商討合作事宜。 2025年冷凍電鏡數據處理與相關技術交流會 中國科學院物理所軟物質物理實驗室，北京 簡版日程（待完善） 2025年5月27 日（周二），物理所M樓253會議室 閆紀桐：工學博士，自2023年6月起加入中國科學院生物物理研究所蛋白質科學研究平臺生物成像中心任冷凍透射電鏡工程師。主要研究方向為冷凍透射電子顯微學。 報告題目：CryoARM 200在單顆粒數據收集中的優(yōu)勢、劣勢與方法優(yōu)化 內容簡介：CryoARM 200作為一款中端冷凍電鏡，在單顆粒分析領域展現出獨特的優(yōu)勢：其相對低廉的價格降低了實驗室的入門門檻，配備的冷場電子槍提供了高亮度、低能量分散的電子束，結合其特殊的“Ω能量過濾器”可有效提升圖像襯度。然而，該設備也存在明顯局限，包括對平行光條件要求苛刻、樣品無法回收、樣品臺定位精度不足，以及缺乏廠商配套的數據采集軟件等問題。針對上述問題需要優(yōu)化數據收集策略，匹配樣品定位補償，以充分發(fā)揮該設備的性能潛力，使其成為單顆粒冷凍電鏡研究的可行選擇。 牛彤欣：高級工程師，2017年6月，畢業(yè)于中國科學院大學，中國科學院生物物理研究所，獲得理學碩士學位；2017年7月至今，就職于中國科學院生物物理研究所蛋白質科學研究平臺生物成像中心。主要研究方向為數據采集與存儲系統(tǒng)管理、高性能計算機集群系統(tǒng)管理、電子顯微鏡圖像處理。 報告題目：The Basics of data collection and processing. 內容簡介：本報告將系統(tǒng)介紹冷凍電鏡數據處理技術與流程。內容涵蓋數據采集過程中一些注意事項、詳細數據處理步驟等，并結合大分子復合物解析案例，展示冷凍電鏡在近原子分辨率研究中的突破。報告還將探討人工智能工具的應用與未來挑戰(zhàn)。 張家愷：Jiakai Zhang（張家愷）is a last-year Ph.D. candidate at VRVC Lab, ShanghaiTech University, advised by Prof. Jingyi Yu. In the summer of 2022, he joined Meta Reality Labs as a research scientist intern in Redmond, WA. His research interests lie in interdisciplinary reconstruction & generation tasks (e.g., dynamic human, spectrum, and protein) using neural representations. Currently, He is focusing on AI applications in protein-centric tasks, particularly for Cryo-EM, via foundation models and generative models. He has also served as a reviewer for top conferences, including CVPR, ECCV, ICCV, NeurIPS, and SIGGRAPH. Beyond academia, he co-founded a startup, Cellverse(寰渺科技) for developing protein-centric AI applications. 報告題目：Unlocking Cryo-EM Data Potential: Generalized Feature Extraction and Physics-Informed Micrograph Generation. 內容簡介：隨著人工智能的快速發(fā)展，越來越多的模型被應用于冷凍電子顯微鏡（cryo-EM）中的關鍵任務，包括顆粒挑選、姿態(tài)估計以及動態(tài)重建，從而推動了更高分辨率蛋白質結構的解析。然而，由于cryo-EM數據存在極低的信噪比，目前大多數AI模型依賴于在小型、任務特定的數據集上從頭訓練的輕量網絡架構，這在一定程度上限制了它們的性能和泛化能力。為此，我們提出了DRACO（Denoising-Reconstruction Autoencoder），這是cryo-EM領域首個圖像級別的基礎模型，基于超過27萬張冷凍電鏡原始數據進行訓練。DRACO通過自監(jiān)督的去噪與重建學習通用的冷凍電鏡圖像特征提取方法，并可用于多個下游任務的微調，在降噪、顆粒挑選、位姿估計任務中顯著提升了模型表現。此外，針對下游任務中高質量標注數據稀缺的問題，我們進一步提出了生成式冷凍電鏡（Generative Cryo-Electron Microscopy, CryoGEM)，一個基于對比學習的無配對圖像轉換以及物理一致噪聲建模的生成式cryo-EM框架。CryoGEM能夠在微圖和顆粒級別上可控地生成真實感極強的冷凍電鏡圖像及其對應的真實標注。實驗表明，CryoGEM生成的數據可以顯著提升下游AI模型的表現，甚至在某些情況下超越使用真實標注數據所訓練的模型。兩篇工作均被NeurIPS 2024所接收。 朱洪濤：于2014年在中國科學院生物物理研究所獲得博士學位。2014-2015年在中國科學院生物物理研究所擔任助理研究員。2015-2022年加入美國俄勒岡健康與科學大學攻讀博士后。2022年11月加入中國科學院物理研究所軟物質實驗室，任特聘研究員，博士生導師，國科大雙聘教授。目前以第一作者或者通訊作者在Nature（2），Cell，eLife（2），Nature Communications（1），PNAS等雜志發(fā)表多篇研究論文。研究方向集中在利用冷凍電鏡技術解析細菌免疫、離子通道等有意義蛋白質分子的高分辨結構。 報告題目：通過實例展示冷凍電鏡數據揭示蛋白質構象的動態(tài)機制 內容簡介：本報告將會以兩套不同的冷凍電鏡數據為例子，闡述常用的冷凍電鏡數據分析的步驟，遇到的相關的問題以及所采取的方案，并最終獲取多個構象的冷凍電鏡結構。
