A continuación mail de uno de los tutores.
--------------------------
Estimados todos, quiero invitarlos a la presentación del proyecto de fin de carrera de Alicia Schandy, Alejandro Silva y Nicolás Violante, titulado "Análisis de Algoritmos de Disminución de Ruido sobre Datos Volumétricos Obtenidos con Criomicroscopía Electrónica" que tuvimos el gran gusto de dirigir junto con Alberto Bartesaghi (ex-docente del iie ahora en Duke University).
El tribunal está compuesto por Alicia Fernández, Ignacio Ramírez y José Lezama.
La presentación será por zoom y los detalles de conexión son los siguientes:
Día: lunes 26 de octubre de 2020
Hora: 14:00
Enlace a la reunión Zoom: https://us02web.zoom.us/j/88481590226?pwd=ZUNDWjNWdTVGNkxhdWZpUVJkaFhhdz09
Día: lunes 26 de octubre de 2020
Hora: 14:00
Enlace a la reunión Zoom: https://us02web.zoom.us/j/88481590226?pwd=ZUNDWjNWdTVGNkxhdWZpUVJkaFhhdz09
Meeting ID: 884 8159 0226
Passcode: 464972
Saludos cordiales,
Resumen: La criomicroscopía electrónica es una técnica de imagenología que permite obtener modelos tridimensionales de proteínas, a partir de cientos de miles de imágenes (proyecciones) extremadamente ruidosas de la muestra. Conocer la estructura de las proteínas con gran precisión, es fundamental para comprender mejor distintos procesos biológicos y contribuir al desarrollo de fármacos y vacunas para atacar diferentes enfermedades.
En este proyecto analizamos el desempeño de tres algoritmos de disminución de ruido sobre una proteína llamada beta-galactosidasa: Non-Local Means (NLM), Block-Matching and 4D filtering (BM4D) y Noise2Void (N2V). Estos algoritmos son capaces de aprovechar la redundancia en los modelos tridimensionales de las proteínas para disminuir su nivel de ruido y aumentar su resolución. No obstante, ninguno de estos algoritmos es invariante a rotaciones, lo cual constituye una limitante para la máxima mejora de resolución alcanzable por estos métodos. En este contexto, proponemos una extensión del algoritmo Non-Local Means invariante a rotaciones, que supera a NLM original para esta aplicación en particular pero que a su vez podría constituir una valiosa herramienta de disminución de ruido en otros sets de datos.
En este proyecto analizamos el desempeño de tres algoritmos de disminución de ruido sobre una proteína llamada beta-galactosidasa: Non-Local Means (NLM), Block-Matching and 4D filtering (BM4D) y Noise2Void (N2V). Estos algoritmos son capaces de aprovechar la redundancia en los modelos tridimensionales de las proteínas para disminuir su nivel de ruido y aumentar su resolución. No obstante, ninguno de estos algoritmos es invariante a rotaciones, lo cual constituye una limitante para la máxima mejora de resolución alcanzable por estos métodos. En este contexto, proponemos una extensión del algoritmo Non-Local Means invariante a rotaciones, que supera a NLM original para esta aplicación en particular pero que a su vez podría constituir una valiosa herramienta de disminución de ruido en otros sets de datos.
-- Federico Lecumberry