ARCHER: Amortized cross-specimen pose estimation for cryo-electron microscopy

ARCHERの技術要約：クライオ電子顕微鏡における償還された種間ポーズ推定

問題提起
単粒子クライオ電子顕微鏡（cryo-EM）は、何十万ものノイズの多い2D粒子画像を平均化することで高分子構造を決定する。このパイプラインにおける重要なボトルネックは、ポーズ推定（pose estimation）、すなわち、マクロ分子に対する各粒子の3次元的な向き（回転）を推論することである。従来、これは反復的なリファインメント（例：RELION、cryoSPARC）や、特定のデータセットに特化して学習された学習済み推定器によって解決されてきた。これらの既存のアプローチでは、標本の構造がモデルの重みに「吸収」されてしまう。その結果、新しいタンパク質構造が登場するたびに、ノイズの多い投影と候補となるビューをマッチングさせるという一般的な操作を学習するために費やした計算資源を放棄し、ゼロから新しい学習を実行する必要がある。近年の基盤モデルは、マップの復元や粒子ピッキングの汎用化を実現しているが、ポーズ割り当てに関しては依然としてデータセットごとの問題のままである。

手法：ARCHER
著者らは、ポーズ推定を、参照ボリューム（reference volume）に条件付けられた、汎用的かつ種に依存しない操作として扱うフレームワークであるARCHER（Amortized Reference-conditioned Hierarchical Refinement）を導入する。

1. 条件付き事後分布（Reference-Conditioned Posterior）: 重みの中に $V$ を固定するper-dataset型の手法とは異なり、ARCHERは関数 $T: (y, V) \to p(R|y, V)$ を学習する。参照ボリューム $V$ は、推論時に入力引数として提供され、パラメータではない。これにより、標本に依存するデータと、既知の顕微鏡伝達関数（CTF）の下でノイズの多い投影をビューにマッチングさせるという標本に依存しない操作を分離している。
2. アーキテクチャ:
   • 離散グリッド: 回転空間 $SO(3)$ は、HEALPixグリッド（36,864セル、中央値の間隔 7.4°）を用いて離散化されている。
   • デュアルエンコーダ: システムは、独立した重みを持つがトポロジーを共有する2つの残差畳み込みネットワークを使用する。一方のエンコーダ（$f_\phi$）は、参照ボリュームのテンプレート（中心スライス抽出によりレンダリングされたもの）を埋め込み、もう一方のエンコーダ（$f_\theta$）は粒子画像を埋め込む。
   • 入力チャンネル: 粒子エンコーダは、生の粒子、その位相反転コピー、およびデノイズされたバージョンの粒子の3つのチャンネルからなるスタックを処理する。
   • デノイジング・チャンネル: 終端状態が測定された粒子となる拡散ベースのフォワードプロセスが構築されている。U-Netがノイズを予測し、ネットワークがデノイズされた粒子を第3の入力チャンネルとして出力できるようにすることで、正しい方位のベイスン内での微細な精度を向上させている。これは計算コストが低く（単一評価）、微分可能である。
   • 学習目的関数: モデルは、償還されたコントラスティブ分類器として学習される。粒子埋め込みと正しいテンプレート埋め込みの間の温度スケールされたコサイン類似度を最大化し、 $SO(3)$ メトリックを尊重するために測地線ソフトターゲットを使用する。
3. 階層的リファインメント（Hierarchical Refinement）: 推論は2段階で行われる。まず、類似度スコアが最も高いグリッドセルが選択される。次に、微分不可能なニュートンステップ（スコアのランドスケープに対する中央差分を使用）を用いてポーズを連続的にリファインメントし、サブグリッド精度を可能にする。
4. 情報幾何学: 著者らは、方位情報は $k^2 \cdot \text{SSNR}(k)$ （$k$ は空間周波数）に比例することを導出した。中心スライス定理と顕微鏡の物理学から導出されたこのスケーリングは、「マッチング」操作が特定の分子の特徴ではなく、普遍的な物理法則に支配されていることを意味しており、多様な構造間での償還（amortization）を正当化している。

主な貢献

• 汎用性: ARCHERは3,330のタンパク質構造で学習され、保持された100の構造および実験データセットに対して、再学習なしでゼロショットで適用された。
• 償還された推論（Amortized Inference）: 本手法は、per-datasetの学習ループを、参照ボリュームをデータとして扱う単一のモデルに置き換え、新しい標本に対する転移可能性を実現した。
• 不均一性の保持: 本手法は、単一の静的な構造への過学習によって生じ得る「コンセンサス・バイアス」を回避し、コンフォメーション信号を保持するように設計されている。

結果

• ポーズ精度: 100の保持された合成構造において、ARCHERは中央値の角度誤差 5.0° を達成した。実験データ（EMPIAR-10076）では 2.5° を達成し、専用のper-dataset推定器に匹敵した。
• 再構成品質: ARCHERによるポーズを用いた3D再構成は、ターゲットのサンプリングが制限要因となっている場合、専用の推定器（例：cryoPARES、古典的なリファインメント）によって生成されたものと 0.16 Å 以内の差であった。
• コンフォメーション信号: 決定的なことに、ARCHERは競合手法よりもコンフォメーション情報をより良く保持する。EMPIAR-10076 において、ARCHERによるポーズから得られた埋め込みと、登録されたポーズとの間の標準的な相関は、主要モードに対して 0.97 であった。EMPIAR-10409 では、ARCHERは 0.323 の埋め込みを保持し、古典的なマッチドフィルタ（0.311）およびcryoPARES（0.248）を上回った。
• 誤差解析: 著者らは、再構成品質が平均誤差だけでなく、誤差分布の「形状」（一様なぼけを避けること）によって支配されることを示している。ARCHERの誤差は局所的であり、リファインメントによってそれらを修正することが可能である。

意義と主張
本論文は、参照ボリュームを明示的に条件付けることで、クライオ電子顕微鏡のポーズ推定を異なる構造間で一般化できると主張している。主要な貢献は、単一のデータセットで専用モデルが訓練された場合のピーク精度における優位性ではなく、汎用性にある。

• パラダイムの転換: 本研究は、「マッチング」操作は顕微鏡と中心スライス定理によって支配される共有された物理プロセスであり、標本は単なる変数であると主張している。
• 有用性: ARCHERは、初期参照（コンセンサスマップ、相同構造、または予測モデルなど）が存在する場合に効果的である。これにより、新しいタンパク質ごとにモデルを学習する計算コストをかけることなく、迅速かつ大規模な方位割り当てが可能になる。
• 成功の指標: 著者らは、柔軟な集合体の場合、解像度や中央値の角度誤差といった生の精度よりも、**コンフォメーション信号（不均一性）**の保持がより重要な指標であると論じている。ARCHERはこの点において優れている。
• 限界: 本手法は、ループを開始するための参照ボリュームを必要とする。つまり、開始モデルなしでの ab initio 決定を行うことはできない。また、ターゲットのサンプリングが制約条件となっていない場合、専用のモデルが完全に最適化されている場合と比較すると、わずかに（約2 Åの解像度）劣る。

要約すると、ARCHERは、参照ボリュームを条件付けることで、クライオ電子顕微鏡のポーズ推定において償還された推論が実行可能であることを示しており、多様なタンパク質ターゲットに対して高い精度と優れた構造的不均一性の保持を維持する、再利用可能で転移可能なツールを提供している。