冷冻电镜技术是结构生物学领域一项重要的技术,近几年由于它能够获得近原子分辨率的生物大分子结构,开始被大力发展,其中由于单颗粒分析技术理论上能达到原子分辨率,得到了许多有效成果。而如何获取单个生物大分子颗粒的投影方向则是单颗粒分析中最关键的问题。本文基于对每一个颗粒提供一些可能的投影方向的思路,围绕着单颗粒分析的二维聚类、三维重构等问题结合几种机器学习算法展开了一系列研究。本文首先基于自编码神经网络先对颗粒数据进行降维,然后在低维空间中对颗粒进行聚类,快速的得到了二维聚类后的类平均图。通过初始模型得到投影图,建立投影图和平均图之间的关系,基于K近邻算法快速且准确的找到与某个平均图相似的若干投影图,得到颗粒的若干个候选角度。然后基于迭代的方式在这些候选角度周围进行局部搜索,最终得到颗粒的真实投影角度,并得到蛋白质三维结构。本文为了测试各个模块的实验效果,首先分析了二维聚类算法的结果,并且证明了KD树算法找到的候选角度确实分布在真实角度周围,最后基于Beta-galactosidase和Trpv1两套蛋白质数据,给出了局部搜索结果和蛋白质三维结构,实验结果显示,本文的方法不仅在分辨率的数值和曲线图上要优于现有算法,而且在重构速度上与现有软件相比分别提升了58.3%和35.7%,此外,通过分析结构的细节,也能证明本文的方法可以得到清晰的三维结构。