Generative Priors for Cryo-EM Image Reconstruction

Motivation

• Known: cryo-EM은 수십만 장의 고품질 2D 입자 이미지를 이용해 3D 단백질 구조를 재구성하는 대표적 기법이며, 최근 direct electron detector로 인해 원시 데이터 양이 급격히 증가하고 있다. 또한 cryo-EM 이미지가 저차원 manifold 위에 존재한다는 근거들이 보고되었고, diffusion 기반 생성 모델이 자연 및 의료 영상의 inverse problem 해결에 posterior sampling으로 활용되어온 바 있다.
• Gap: 기존 연구는 handcrafted sparse prior에 의존하거나 diffusion prior를 자연/의료 영상에 적용하는 데 그쳤고, cryo-EM 특유의 대규모 EMPIAR 데이터로부터 데이터 스케일의 생성적 prior를 학습하여 압축 측정으로부터 고해상도 이미지를 복원하고 이를 다운스트림 구조생물학 분석(conformational heterogeneity, atomic model building)까지 검증한 연구는 부재하였다.
• Why: cryo-EM 데이터 처리량 병목을 압축 센싱 방식으로 해소할 수 있다면 데이터 획득·저장·전송 부담을 크게 줄이면서도 구조 결정에 필요한 생물학적 신호를 유지할 수 있어, cryo-EM 워크플로우 가속화에 실질적인 계산적 경로를 제공할 수 있다는 점에서 중요하다.
• Approach: EMPIAR 데이터셋에 대해 DDPM을 학습시켜 단백질 이미지 manifold를 포착하고, Tweedie's formula 기반 diffusion posterior sampling(Nesterov 가속 reverse process 포함)을 통해 pixel-space 및 Fourier-space로 undersampling된 측정치로부터 원본 이미지를 복원한다.

Achievement

1. 생성적 prior 기반 압축 cryo-EM 복원 정식화: 공간 및 Fourier 도메인에서 undersampling된 cryo-EM 측정치로부터 전체 해상도 이미지를 복원하는 문제를 diffusion prior 기반 역문제로 공식화하였다.
2. 경험적 압축 한계 규명: EMPIAR-10076에서 최대 2× 압축까지 충실한 3D 복원(6.65 Å)이 가능하며, C≥3.3의 Fourier-space 압축이나 과도한 pixel-space downsampling(K=32)에서는 성능이 급격히 저하됨을 정량적으로 보였다(각도 오차가 3.5°에서 72.7°로 급증).
3. 생물학적 신호 보존 검증: 복원 이미지가 원본 CryoDRGN latent space와 87.9% 군집 일치도를 보이고, ModelAngelo를 통한 원자 모델 구축에서 backbone RMSD 2.34 Å를 달성하여 다운스트림 구조 분석에 실제로 활용 가능함을 입증하였다.

How

Figure 2. Overview. a, We assume compressed cryo-EM measurements obtained via pixel-space or Fourier-space masking. b, A

• 역문제 정식화: y = A(x*) + η, A는 pixel 또는 Fourier space의 선형 측정 연산자, m≪n인 ill-posed 문제를 저차원 manifold M에 대한 학습된 prior로 해결.
• variance-preserving SDE 기반 forward/reverse diffusion 과정을 정의하고 score network sθ(xt,t)를 score matching으로 학습.
• Bayes' rule로 조건부 score를 분해하고, likelihood 항이 xt가 아닌 x0에 결합되는 문제를 Tweedie's formula로 posterior mean(bx0)을 계산해 해결.
• Gaussian 측정 잡음을 가정해 measurement-consistency gradient(∇xt log p(y|xt) ≈ -1/σ² ∇xt‖A(bx0)-y‖²₂)를 유도하고 이를 guided reverse-time SDE에 결합.
• Nesterov-accelerated gradient를 reverse process에 통합해 샘플링 효율을 개선.
• pixel-space masking(랜덤 binary mask + K×K kernel summation)과 Fourier-space masking(uniform, annular ring, radial spoke 패턴)의 두 가지 측정 스킴을 EMPIAR-10076(128×128)과 EMPIAR-10648(256×256)에서 평가.
• SSIM, LPIPS로 2D 이미지 품질을, FSC resolution(0.143 cutoff) 및 ChimeraX의 volume correlation으로 3D 볼륨 품질을 평가.

Originality

• 자연/의료 영상에서 검증된 diffusion posterior sampling(Chung et al., 2023) 프레임워크를 cryo-EM 압축 이미지 복원이라는 새로운 도메인에 적용하고 EMPIAR 규모 데이터로 학습한 dataset-scale 생성적 prior를 활용한 점이 독창적이다.
• handcrafted sparse prior 대신 데이터 기반 저차원 manifold 학습을 통해 압축 cryo-EM 복원 문제를 해결하는 최초 시도 중 하나로 위치지음.
• Nesterov-accelerated reverse process를 diffusion posterior sampling에 통합하여 추론 효율을 개선한 방법론적 확장.
• 단순 이미지 품질 지표를 넘어 CryoDRGN latent space 군집 일치도, ModelAngelo를 통한 atomic model building RMSD 등 실제 구조생물학 다운스트림 작업으로 생물학적 신호 보존을 검증한 평가 설계가 특징적이다.

Limitation & Further Study

• 압축률이 2×를 넘어서면 성능이 급격히 저하되어 실질적 데이터 처리량 절감 효과가 제한적일 수 있으며, 더 높은 압축률에서의 강건성 개선이 필요하다.
• 물리적 압축 획득 파이프라인(실제 검출기에서의 pixel/Fourier masking 구현)은 가정된 전제로만 다루어졌고 실제 실험적 검증이 이루어지지 않았다.
• 평가가 두 개의 EMPIAR 데이터셋(10076, 10648)에 국한되어 다양한 단백질 크기·대칭성·이질성을 가진 데이터셋에 대한 일반화 가능성이 추가로 검증되어야 한다.
• CTF, pose 등 실제 cryo-EM 파이프라인의 노이즈 및 아티팩트가 충분히 반영되었는지, 그리고 대규모 데이터셋 전체(수십만 이미지)에 대한 계산 비용 및 확장성에 대한 논의가 부족하다.
• 후속 연구로는 더 다양한 압축 스킴, 실제 하드웨어 기반 압축 센싱 구현, 그리고 conformational heterogeneity가 큰 데이터셋에서의 성능 검증이 필요하다.

Evaluation

총평: Diffusion 기반 생성적 prior를 cryo-EM 압축 이미지 복원이라는 실용적이고 임팩트 있는 문제에 체계적으로 적용하고, 다운스트림 구조생물학 작업까지 검증한 견고한 워크숍 논문이다. 압축 한계가 2×로 다소 제한적이지만 방법론적 기여와 평가의 깊이가 인상적이다.