Resumen de Hunting a dynamical Higgs
La información estructural de complejos macromoleculares proporciona información clave sobre cómo se llevan a cabo las funciones biológicas. La microscopía electrónica (ME) es una herramienta esencial para estudiar la estructura y función de macromoléculas biológicas con una resolución media-alta. En este contexto, el análisis de partículas aisladas (single particles) es capaz de producir información tridimensional (3-D) estructural para grandes complejos biológicos a resolución casi atómica. Uno de los principales problemas existentes en EM es la baja relación señal ruido (SNR). En los últimos años, la aparición de dispositivos de detección directos (DDD) ha abierto la posibilidad de obtener imágenes con mejores SNRs. Estos detectores tienen una resolución temporal muy superior a la de los CCDs usados previamente. De esta forma, para la misma dosis de electrones es posible tomar varias imágenes (frames) en lugar de una sola micrografía, lo que hace posible el estudio del comportamiento de las muestras a lo largo del tiempo y en función de la dosis electrónica recibida. De esta manera, se ha hecho evidente que las muestras biológicas embebidas en hielo se mueven durante la adquisición de los datos resultando en imágenes emborronadas. Por lo tanto, el alineamiento de ''frames'' debe añadirse al flujo de trabajo de procesamiento de datos estándar en reconstrucción de partículas aisladas. Este flujo incluye: selección departículas, alineamiento de las mismas, clasificación y finalmente reconstrucción 3-D. En este trabajo se han propuesto nuevos algoritmos y mejoras en los pasos de: alineamiento de ''movies'', selección de partículas, y reconstrucción 3-D. Para el alineamiento de ''movies'' se propone una metodología basada en flujo óptico (optical flow). La principal novedad de esta aproximación es que se admiten movimientos locales. En referencia a la selección automática de partículas en micrografías se proponen nuevas características (''features'') a analizar que son procesadas por dos clasificadores capaces de aprender a partir de un conjunto de entrenamiento seleccionado por el usuario. Por último, para la reconstrucción en 3-D, se introduce un algoritmo en espacio de Fourier que tienen en cuenta la distribución no equiespaciada de los datos de entrada así como la influencia de la función de base usada para representar los volúmenes. Todos los algoritmos implementados en esta tesis se han integrado en el paquete Scipion que se encuentra accesible en el URL http://scipion.cnb.csic.es.
