MC-Bayes：用于处理与贝叶斯抛光兼容的 EER 文件的基于 Python 的 MotionCor3 封装器

在此，我们提出了 MC-Bayes——一个基于 Python 的脚本，可在一个或多个 GPU 上以用户友好的方式使用 MotionCor3 处理冷冻电子显微镜 EER 电影。进一步地，它还能生成 RELION 使用 EER 电影执行 Bayesian polishing（亦称：基于参考的运动校正）所必需的 .star 文件。 迄今为止，只有在使用基于 CPU 的 MotionCor2“RELIONCor”实现时，才有可能对 EER 数据进行 Bayesian polishing，而这对于以 GPU 为主的冷冻电镜数据处理系统而言并非最优方案。该封装程序是为那些平台和/或用户创建的：他们可能拥有（许多）高性能 GPU，但由于各种原因，CPU 核心数较少或系统内存较低。借助 MotionCor3，MC-Bayes 使 EER 数据的运动校正速度比 RELION 的 CPU 实现快 2 倍或更多（取决于系统），除非是在能够利用数十至数百个 CPU 核心以及大量系统内存的情况下。

在此，我们介绍 MC-Bayes：这是一个基于 Python 的脚本，用于以用户友好的方式，利用 MotionCor3 在一个或多个 GPU 上处理冷冻电子显微镜 EER 电影数据。此外，它还会生成 RELION 使用 EER 电影数据执行贝叶斯抛光（亦称：基于参考的运动校正）所必需的 .star 文件。迄今为止，只有在使用基于 CPU 的 MotionCor2“RELIONCor”实现时，才有可能对 EER 数据进行贝叶斯抛光，而这对于以 GPU 为主的冷冻电镜处理系统来说并非最优方案。该封装工具正是为这类设施和/或用户而创建的：他们可能拥有（许多）高性能 GPU，但由于某些原因，CPU 核心数较少或系统内存较小。借助 MotionCor3，MC-Bayes 可使 EER 数据的运动校正速度比 RELION 的 CPU 实现快 2 倍或更多（取决于系统），除非是在能够利用数十乃至数百个 CPU 核心以及大量系统内存的情况下。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.06.743412v1?rss=1

🏷️ 冷冻电镜 EER文件 运动校正 Bayesian polishing GPU加速 Python封装