Bayes'sche Methoden für die Integrative Strukturbiologie: Validierung, Sampling und Modellierung mit EM-Daten
Bioinformatik und Theoretische Biologie
Statistische Physik, Nichtlineare Dynamik, Komplexe Systeme, Weiche und fluide Materie, Biologische Physik
Zusammenfassung der Projektergebnisse
Im ersten Teil des Projekts haben wir einen neuen, vielversprechenden Samplingalgorithmus für Wahrscheinlichkeitsverteilungen auf der n-dimensionalen Kugeloberfläche entwickelt. Der Algorithmus tastet eine Niveaumenge entlang von Geodäten ab und kommt ohne algorithmische Parameter wie Schrittweiten aus. Im Vergleich mit anderen Markovketten-MonteCarlo-Algorithmen ist der geodätische Slice Sampler in der Lage, aus lokalen Maxima der Zielverteilung zu springen und zeigt geringere Autokorrelationen und einen größeren effektiven Stichprobenumfang. Diese Eigenschaften lassen sich auf andere Mannigfaltigkeiten übertragen. Der Algorithmus wird bereits als Baustein in anderen Samplingalgorithmen verwendet und aktuell im Kontext der 3D-Rekonstruktion aus Cryo EM-Bildern und in der Nanotomographie getestet. Weitere Anwendungen, die von sein könnten, sind Posterior-Sampling von Wahrscheinlichkeitsdichten bei Dichteschätzproblemen. Im zweiten Teil des Projekts haben wir den Bayesschen Ansatz, der ursprünglich in der Integrativen Strukturbiologie eingesetzt werden sollte, im Bereich Computational lmaging in dem vielversprechenden Gebiet der Ptychographie angewendet. Wir haben ein allgemeines statistisches Modell für die Bildgebung unter Berücksichtigung von Hintergrundrauschen und Sättigungseffekten entwickelt. Die Modellparameter können mit einem effizienten iterativen Maximum-a-posteriori-Algorithmus aus Bilddaten erschlossen werden. Das Modell und der Algorithmus können zur Analyse vielfältiger Bilddaten genutzt werden, unser Hauptaugenmerk lag jedoch auf der Anwendung in der Ptychographie. Der Algorithmus erlaubt es, Beugungsbilder, die mit unterschiedlichen Messzeiten erfasst wurden, in einem Hochkontrastbild zu kombinieren und somit die Auflösung des rekonstruierten Phasenobjekts zu verbessern. Momentan wird die Methode an experimentellen Ptychographie-Scans getestet. Die in diesem Projekt entstandenen Ergebnisse und zusammenarbeiten sind sehr gewinnbringend und zukunftsweisend für die zukünftige Forschung der Arbeitsgruppe Mikroskopische Bildanalyse. Die Arbeiten an Anwendungen des geodätischen Slice Samplers werden fortgesetzt und sollten sich über die ursprüngliche Cryo-EM-Anwendung hinaus auf andere Tomographieprobleme mit unsicheren oder unbekannten Orientierungen des Objekts übertragen lassen. Mit den Anwendungen von Bayesscher Inferenz in der Pythographie konnten wir uns eine völlig neue Methode der Bildgebung erschließen, die in vielen Anwendungsbereichen von der Materialforschung bis zu den Lebenswissenschaften an Bedeutung gewinnen wird.
