arXiv cs.AI· Mingrui Li, Minzhang Li, Weichen Qin, Yufan Xie, Zhangzhi Xiong, Sixian Shen, Jiakai Zhang, Yuan Pei, Jingyi Yu·· 1 天前AI 评分31
CryoAtlas：面向冷冻电镜原子模型构建的大规模精选数据集与统一基准
CryoAtlas: A Large Curated Dataset and Unified Benchmark for Cryo-EM Atomic Model Building
AI 导读
CryoAtlas 发布冷冻电镜原子模型构建的大规模精选数据集与统一基准，整合 EMDB 和 PDB 条目（截至 2026 年 3 月）共 17,809 条 map-model-sequence 记录，其中训练集 16,657 条，并构建 618 个目标的评测基准。
正文 · AI 翻译
摘要：深度学习加速了从冷冻电镜图谱中自动构建原子模型的过程，然而由于缺乏大规模、高质量的数据集和标准化的评估基准，相关进展仍然受限。为填补这一空白，我们推出了 CryoAtlas，这是一个经过严格整理的数据集和统一基准，用于蛋白质链的密度引导原子模型构建。通过整合并筛选 EMDB 和 PDB 条目（截至 2026 年 3 月），CryoAtlas 提供了 17,809 个图谱-模型-序列条目，其中包括一个经过整理的 16,657 条目的训练集划分。基于这一资源，我们构建了一个包含 618 个目标的基准，并采用共享的评估协议，联合评估结构准确性、模型与图谱的拟合度以及立体化学有效性。利用该框架，我们将最先进的基于学习的方法与 Phenix 和 AlphaFold3 进行基准对比，全面分析了图谱分辨率、序列长度、蛋白质类别和序列一致性对建模准确性的影响。作为案例研究，在 CryoAtlas 上重新训练 ModelAngelo 的 CNN 组件可提升其在基准上的性能。CryoAtlas 为未来冷冻电镜原子模型构建研究提供了开放、可复现的基础。项目详情和资源发布更新见 此 https URL。
| 评论： | NeurIPS 2026 E&D Track |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41411 [cs.AI] |
| （或 arXiv:2610.41411v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41411 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Minzhang Li [查看电子邮件]
[v1]
2026 年 10 月 30 日星期五 08:22:11 UTC（24,716 KB）
来源：arXiv cs.AI · arxiv.org