「RELION」の版間の差分

提供: Eospedia
移動: 案内検索
(数式の構文エラーをFix)
行12: 行12:
  
 
i: i番目の画像
 
i: i番目の画像
 +
 
(n): n回目
 
(n): n回目
 +
 
j: フーリエ成分j (2次元フーリエ空間:実験画像2D)
 
j: フーリエ成分j (2次元フーリエ空間:実験画像2D)
 +
 
J: フーリエ成分の数
 
J: フーリエ成分の数
 +
 
sigma^2_ij^(n): ノイズの分散(分解能毎で予測される)、データから推定
 
sigma^2_ij^(n): ノイズの分散(分解能毎で予測される)、データから推定
 +
 
CTFij: i番目の画像のフーリエ成分jのCTF(コントラスト伝達関数)の値
 
CTFij: i番目の画像のフーリエ成分jのCTF(コントラスト伝達関数)の値
 +
 
l: フーリエ成分l(3次元フーリエ空間:3Dマップ)
 
l: フーリエ成分l(3次元フーリエ空間:3Dマップ)
 +
 
L: フーリエ成分の数
 
L: フーリエ成分の数
 +
 
k: k番目の3Dマップ
 
k: k番目の3Dマップ
 +
 
phi: 回転(3自由度)+平行移動(2自由)
 
phi: 回転(3自由度)+平行移動(2自由)
  

2017年2月16日 (木) 12:53時点における版

RELOIONのアルゴリズムに関して、整理したページになります。すこしずつまとめたいと思います。

: 観測されたデータ : 事前情報 :パラメータセット

尤度の定義: が与えられたときの画像となるときの尤度

i: i番目の画像

(n): n回目

j: フーリエ成分j (2次元フーリエ空間:実験画像2D)

J: フーリエ成分の数

sigma^2_ij^(n): ノイズの分散(分解能毎で予測される)、データから推定

CTFij: i番目の画像のフーリエ成分jのCTF(コントラスト伝達関数)の値

l: フーリエ成分l(3次元フーリエ空間:3Dマップ)

L: フーリエ成分の数

k: k番目の3Dマップ

phi: 回転(3自由度)+平行移動(2自由)

RELIONのMacへの導入

RELIONのLinuxへの導入

RELIONチュートリアル