Kryo-elektron mikroskobu (kryo-EM), biyolojik makromoleküllerin yapısını atom düzeyinde incelemek için kullanılan devrim niteliğinde bir tekniktir. Ancak bu tekniğin en büyük zorluklarından biri, son derece düşük doz koşullarında çekim yapılması nedeniyle elde edilen görüntülerin çok gürültülü olmasıdır.
Araştırmacılar bu sorunu çözmek için score-based matching adı verilen yenilikçi bir yapay zeka yaklaşımı geliştirdi. Bu yöntem, geleneksel piksel tabanlı veya Noise2Noise tarzı temizleme tekniklerinden önemli bir farkla ayrılıyor: sadece görsel kaliteyi artırmakla kalmayıp, moleküllerin yapısal tutarlılığını da koruyor.
Yeni sistemin en dikkat çekici özelliği, temiz veri skorlarını öğrenerek parçacık sinyallerini kurtarabilmesi. Bu sayede, gürültü temizleme işlemi sırasında moleküllerin kritik yapısal bilgileri kaybolmuyor. Araştırmacılar ayrıca hedef-rehberli bir varyant da geliştirerek, referans yoğunluk bilgisini kullanarak sistemin performansını daha da artırdı.
Bu gelişme, kryo-EM analizinin tüm aşamalarında önemli iyileştirmeler sağlayabilir. Parçacık seçimi, 2D sınıflandırma ve 3D rekonstrüksiyon gibi süreçlerin hepsi daha kaliteli girdilerle çalışarak daha doğru sonuçlar üretebilecek.