A fast diagonalization algorithm to enable singular value decomposition of large matrices for efficient template matching

细胞中的隐形拼图

想象一下，你正试图在一个巨大的、旋转着的雪花球中寻找一个特定的微小玩具。现在，想象这个雪花球是一个活生生的细胞，那个玩具是一个蛋白质分子，而雪花则是成千上万种其他分子的混乱混合物，它们交织在一起，形成一片模糊的景象。这就是科学家使用一种名为冷冻电子显微镜（cryo-EM）的强大显微镜技术时面临的日常挑战。这项技术将细胞冻结得极快，以至于它们的微小部分被困在冰中，使我们能够观察到它们。但由于细胞如此拥挤，且图像如此模糊，寻找一个特定的蛋白质就像试图在暴风雪中识别出一片特定的雪花一样困难。

为了解决这个问题，科学家们使用了一种称为“模板匹配”的技术。把它想象成一场高科技版的“寻找华多”（Where's Waldo?）游戏，只不过你寻找的不是卡通人物，而是一个三维分子。你会拿出一个完美的、由计算机生成的分子模型（即模板），然后将其在模糊的显微图像上进行滑动，检查每一个位置和角度，看它是否吻合。问题在于，一个分子可以有无数种旋转或倾斜的方式，对于仅仅一张图像，你就必须检查超过 2000 万个不同的位置。对细胞中的每一种蛋白质都进行这样的操作，所需要的计算能力大到几乎无法大规模实现。这就像是通过逐页检查每一本书来阅读整个图书馆，而不是使用一个智能搜索引擎。

魔法技巧：折叠搜索

这篇论文介绍了一种巧妙的新方法来加速这种搜索，将一座大山的工作量化为一座小丘。来自加州大学伯克利分校的研究人员发现，那份庞大的“假设清单”（即 2000 万个位置）隐藏着一个秘密：对称性。

想象你正在空中旋转一块披萨面团。无论你如何旋转面团，面团本身的形状都不会改变，它只是看起来转动了。在这些显微图像的世界里，用于寻找蛋白质的数学运算也具有相同的特性。如果你旋转图像，数学运算只会旋转答案，但问题的核心“形状”保持不变。作者们意识到，由于这种旋转对称性，他们不需要单独检查那 2000 万个位置中的每一个。相反，他们可以使用一种数学捷径来“折叠”这个问题。

他们开发了一种快速算法，就像一个神奇的解码环。该算法不再试图一次性解决那个巨大且混乱的拼图，而是根据图像旋转的方式，将问题分解成更小、更易处理的块。它将一个巨大的、难以处理的矩阵（一个代表所有可能性的巨型数字网格）变成了一组更小、更有序的碎片。通过利用这种旋转对称性，他们可以在从未构建过完整的、难以处理的巨型网格的情况下，计算出最重要的模式（称为奇异值和奇异向量）。

结果令人震惊。在测试中，这种新方法能够将数据压缩 3,500 倍，同时保持极低的误差（仅为 0.01%）。为了让你有直观的概念，如果旧方法需要 4 小时才能在细胞图像中找到一种类型的蛋白质，那么这种新方法可以在极短的时间内完成这项工作。在一项特定测试中，该新算法每发现一个特征的速度比旧方法快了 205 倍，并且能够比旧方法多发现 22.5 倍的特征。

作者还展示了这种技巧在大规模应用中的有效性。他们仅用 14 分钟就完成了对一个涵盖蛋白质在极高分辨率（2 埃）下所有可能形态的模板匹配矩阵的分解。这在以前是一项既昂贵又缓慢、甚至无法尝试的任务。虽然论文指出，标准的计算机工具仍然无法直接求解全规模矩阵，但这种“利用对称性”的新方法使其变得可行。它不仅仅是提高了速度；它还为发现细胞中更多的蛋白质打开了大门，有助于我们绘制出生命在分子水平上运作的完整蓝图。作者建议，这可能会导致“多精度”搜索，即计算机可以快速扫描以寻找大致匹配，然后针对高细节进行精确检查，从而使细胞机制的研究比以往任何时候都更快、更全面。