spIsoNet 各向异性校正和错位校正教程数据集

该数据集为加州大学洛杉矶分校的研究团队于 2024 年发布的，用于论文「Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning」，该研究已发表于国际学术期刊 Nature Methods 。

本数据集由加州大学洛杉矶分校的研究团队于2024年发布，配套用于学术论文《利用自监督深度学习解决冷冻电子显微镜（cryo-electron microscopy，简称cryo-EM）中的择优取向问题》（Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning），该项研究成果已发表于国际学术期刊《自然-方法》（Nature Methods）。

搜集汇总

背景与挑战

背景概述

该数据集由加州大学洛杉矶分校研究团队于2024年发布，用于支持发表在Nature Methods上的论文，专注于解决冷冻电镜中的各向异性校正和错位校正问题。数据集大小为18.53 GB，属于AI for Science和深度学习领域，旨在为相关研究提供教程和资源。