JoVE Logo

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

단일 입자 냉동 전자 현미경 검사법은 고처리량 자동 데이터 수집을 위한 적합한 소프트웨어 패키지 및 사용자 친화적인 파이프라인을 요구합니다. 여기서는 완전 자동화된 이미지 수집 소프트웨어 패키지인 Latitude-S의 적용과 저용량 조건에서 유리화된 생체 분자의 데이터 수집을 위한 실용적인 파이프라인을 소개합니다.

초록

지난 몇 년 동안 단일 입자 극저온 전자 현미경 검사법 (cryo-EM)의 기술적 및 방법론적 발전은 생물학적 거대 분자의 고해상도 구조 측정을위한 새로운 길을 열었습니다. 저저온-EM의 놀라운 발전에도 불구하고 단일 입자 분석 워크플로우의 다양한 측면에서 여전히 개선범위가 남아 있습니다. 단일 입자 분석은 고처리량 자동 데이터 수집을 위한 적합한 소프트웨어 패키지를 요구합니다. 지난 8년 동안 단일 입자 저저온-EM용 자동 이미징을 위해 여러 개의 자동 데이터 수집 소프트웨어 패키지가 개발되었습니다. 이 논문은 저용량 조건하에서 생체 분자를 생체화하기 위한 완전 자동화된 이미지 수집 파이프라인의 적용을 제시합니다.

cryo-EM 데이터를 완전하고 자동으로 정확하게 수집할 수 있는 소프트웨어 패키지를 보여 줍니다. 또한 이 소프트웨어 패키지에 의해 다양한 미세 한 매개 변수를 쉽게 제어 할 수 있습니다. 이 프로토콜은 직접 전자 검출기 (DED)가 장착 된 200 keV 극저온 전자 현미경을 갖춘 중증 급성 호흡기 증후군 -코로나 바이러스 2 (SARS-CoV-2) 스파이크 단백질의 자동화 된 이미징에서이 소프트웨어 패키지의 잠재력을 보여줍니다. 약 3,000개의 극저온-EM 영화 이미지가 단일 세션(48h)의 데이터 수집에서 획득되어 SARS-CoV-2의 스파이크 단백질의 원자 분해능 구조를 산출했습니다. 더욱이, 이러한 구조 연구는 스파이크 단백질이 두 가지 주요 적합성, 1-RBD(수용체 결합 도메인)를 열어 놓고 모든 RBD를 폐쇄된 적합성을 채택한다는 것을 나타낸다.

서문

단일 입자 저온 -EM은 생물학적 거대 분자1의 고해상도 구조 측정을위한 주류 구조 생물학 기술이되었다. 단일 입자 재구성은 생물학적 거대 분자2,3의 3차원 (3D) 구조를 재구성하는 데 사용되는 2차원 (2D) 입자 이미지를 추출하기 위해 유리화 된 샘플의 광대 한 수의 현미경 그래프를 획득하는 데 달려 있습니다. DED를 개발하기 전에 단일 입자 재구성에서 달성된 해상도는 4에서 30 Å4,5 사이로 다양했습니다. 최근에는 단일 입자 저온-EM의 달성 가능한 해상도가 1.8 Å6을 넘어왔습니다. DED 및 자동화된 데이터 수집 소프트웨어는 데이터 수집에 대한 인간의 개입이 최소화된 이 해상도 revolution7에 주요 기여를 했습니다. 일반적으로, 저온-EM 이미징은 저전자 용량 율(20-100 e/Å2)에서 수행되어 생물학적 샘플의 전자 빔 유도 방사선 손상을 최소화하며, 이는 이미지내 낮은 신호 대 잡음 비(SNR)에 기여한다. 이 낮은 SNR은 단일 입자 분석을 사용하여 생물학적 거대 분자의 고해상도 구조의 특성화를 방해합니다.

차세대 전자 검출기는 CMOS(상보금속-산화물-반도체) 기반 검출기로, 이러한 낮은 SNR 관련 장애물을 극복할 수 있습니다. 이러한 직접 감지 CMOS 카메라는 카메라가 생물학적 거대 분자에 대한 더 나은 포인트 확산 기능, 적합한 SNR 및 우수한 탐정 양자 효율(DQE)에 기여하기 때문에 신호를 빠르게 판독할 수 있습니다. 직접 감지 카메라는 기록된 이미지에서 높은 SNR8 및 낮은 노이즈를 제공하므로 검출기가 이미지에 추가되는 소음의 양을 측정하는 DQE(형사 양자 효율)의 정량적 증가가 발생합니다. 이 카메라는 초당 수백 프레임의 속도로 영화를 기록하여 빠른 데이터 수집9,10을 가능하게 합니다. 이러한 모든 특성은 빠른 직접 감지 카메라를 저용량 응용 분야에 적합하게 만듭니다.

동작 보정 스택 이미지는 RELION11, FREALIGN12, 극저온SPARC13, 시스템14 EMAN215와 같은 다양한 소프트웨어 패키지를 사용하여 2D 분류를 계산하고 거대 분자의 3D 밀도 맵을 재구성하는 데 데이터 처리에 사용됩니다. 그러나 단일 입자 해석의 경우 고해상도 구조를 달성하기 위해서는 엄청난 데이터 집합이 필요합니다. 따라서 자동 데이터 수집 통행료는 데이터 수집에 매우 필수적입니다. 대규모 cryo-EM 데이터 세트를 기록하기 위해 지난 10년 동안 여러 소프트웨어 패키지가 사용되었습니다. AutoEM16, AutoEMation17, 레기논18, 시리얼EM19, UCSF-Image420, TOM221, SAM22, JAMES23, JADAS24, EM-TOOLS 및 EPU와 같은 전용 소프트웨어 패키지가 자동화된 데이터 수집을 위해 개발되었습니다.

이 소프트웨어 패키지는 저배율 이미지를 고배율 이미지와 상호 연결하여 자동으로 구멍 위치를 찾기 위해 일상적인 작업을 사용하여 저용량 조건에서 이미지 수집을 위한 유리체 얼음 두께의 구멍을 식별하는 데 도움을 주습니다. 이러한 소프트웨어 패키지는 작업자의 중단 및 물리적 존재 없이 며칠 동안 엄청난 양의 양질의 데이터를 지속적으로 수집하여 반복적인 작업 수를 줄이고 cryo-EM 데이터 수집의 처리량을 증가시켰습니다. Latitude-S는 단일 입자 분석을 위해 자동 데이터 수집에 사용되는 유사한 소프트웨어 패키지입니다. 그러나 이 소프트웨어 패키지는 K2/K3 DED에만 적합하며 이러한 검출기와 함께 제공됩니다.

이 프로토콜은 200 keV 극저온-EM을 장착한 직접 전자 검출기로 SARS-CoV-2 스파이크 단백질의 자동화된 이미지 획득에서 위도-S의 잠재력을 보여줍니다( 재료표 참조). 이 데이터 수집 도구를 사용하여 SARS-CoV-2 스파이크 단백질의 3,000개의 영화 파일이 자동으로 획득되고, 추가 데이터 처리는 3.9-4.4 Å 해상도 스파이크 단백질 구조를 얻기 위해 수행됩니다.

프로토콜

참고: 저저온-EM 데이터 수집에는 3가지 중요한 단계가 필요합니다: 1. cryo-EM 그리드 준비, 현미경의 2. 교정 및 정렬, 3. 자동 데이터 수집(그림 1). 또한 자동화된 데이터 수집은 적절한 영역 선택, b. 위도-S 최적화, c. 자동 구멍 선택 시작 및 d. 자동 데이터 수집(그림 1)으로 세분화됩니다.

1. 자동 데이터 수집을 위한 Cryo-EM 그리드 준비 및 샘플 로딩

  1. 광선 방전기로 그리드를 청소하고 실험 요구 사항에 따라 광선 배출 매개 변수를 다릅니다 (여기, 20 mA에서 60 s).
  2. 새로 준비된 단백질 샘플(3μL)을 광발 배출 그리드에 넣고 10s의 배양합니다.
  3. 100% 습도에서 3-5s의 그리드를 블롯하고 저온 플런저를 사용하여 액체 에탄으로 빠르게 뛰어들수 있습니다.
  4. 그리드를 클립 링에 수동으로 고정하여 유연한 C-클립 링을 사용하여 카트리지를 형성합니다.
  5. 냉동 카트리지 장착 그리드를 오토로더 카세트에 로드하고 나노 캡으로 카세트를 데이터 수집을 위해 현미경의 미리 냉각된 오토로더로 전송합니다.

2. 자동 데이터 수집 전에 현미경 튜닝 및 기본 정렬

  1. 빔 시프트
    1. 직접 정렬 탭에서 빔 이동을 클릭합니다.
    2. 배율을 줄이고 다 기능 X 및 Y 노브를 사용하여 빔을 광학 축으로 중앙에 연결합니다.
  2. 피벗 점 정렬
    1. 직접 정렬 탭에서 직접 정렬 pp X에서 빔 기울기 옵션을 클릭합니다.
    2. 기능 X 및 Y 노브를 사용하여 빔을 한 자리에 응축하고 움직임을 최소화합니다.
  3. C2 조리개 중심
    1. 정렬 탭에서 응축기 조리개를 선택합니다.
    2. 빔을 스팟으로 응축한 다음 빔을 광학 축으로 중앙으로 한 다음 빔을 확장하여 원을 균일하게 덮습니다.
    3. 콘덴서 2 조리개가 조정될 때까지 다음 단계를 반복합니다.
  4. 혼수 없는 정렬
    1. 직접 정렬 탭에서 혼수 없는 정렬 X를 클릭하여 빔을 광학 축에 정렬합니다.
    2. 다기능 노브를 사용하여 FFT의 모양과 움직임을 최소화합니다(안정적).
    3. 코마에 대해 동일한 절차를 반복 하십시오 - 무료 정렬 Y.
  5. C 트윈 렌즈로 인해 극저온-EM에서 데이터 수집 전에 병렬 조명을 설정합니다.
    1. 회절 모드에서 목표 조리개(70 μm)를 삽입합니다.
    2. 디포커스 강도 노브(객관적인 렌즈 및 C2 렌즈 전류)를 제어하여 회절 렌즈의 전면 초점 평면에 목표 조리개를 집중시합니다.
    3. 적절한 디포커싱 후 목표 조리개가장자리가 선명한지 확인합니다.
    4. 빔 스토퍼를 삽입하고 금 분말 회절 링이 최소화 될 때까지 강도를 확산.
      참고: 빔이 제대로 퍼지면 화면에 금 분말의 명확한 회절 링이 표시되어 빔이 평행하다는 것을 나타냅니다.
    5. 평행 조명을 설정한 후 빔 스토퍼를 철회하고 현미경 모드를 나노 프로브로 변경합니다.
      참고: 현미경의 최적의 성능을 보장하기 위해 데이터 수집을 시작하기 전에 현미경 튜닝을 확인하십시오. 이러한 모든 설정은 현미경 직접 정렬 GUI 탭에서 수행됩니다. 모든 현미경 튜닝은 데이터 수집 전에 테스트 그리드를 사용하여 수행됩니다.

3. 위도-S를 가진 데이터 수집

  1. Latitude-S 자동화된 데이터 수집 소프트웨어를 시작합니다.
    참고: 위도-S 설치에는 데이터 수집 전에 수행될 현미경 보정이 필요하며 설정은 영구적으로 저장됩니다. 데이터 수집을 위한 5개의 다른 상태는 네 가지 배율로 보정됩니다(그림 1그림 2). 아틀라스 상태 및 그리드 상태는 LM 모드(낮은 배율 범위)에서 두 가지 배율에 있습니다. 구멍 상태는 SA 모드(고배율 범위)에 있지만 적당한 배율입니다. 초점 및 데이터 상태는 높은 배율 SA 모드를 사용합니다.
    1. 시작 메뉴에서 디지털 현미경을 클릭하거나 바탕 화면의 DigitalMicrograph 아이콘을 두 번 클릭합니다.
    2. DigitalMicrograph에서 기술 관리자 아이콘을 선택합니다.
      참고: 이 시스템에는 TEM 위도-S 아이콘이 표시됩니다(그림 2보충 그림 S1).
    3. 단일 파티클 자동화 된 데이터 수집을 위해 위도-S 아이콘을 선택합니다.
      참고: K2 카메라는 선형/통합, 카운트 및 슈퍼 해상도의 세 가지 모드로 작동합니다. 사용자는 DigitalMicrograph 인터페이스에서 모든 모드를 선택할 수 있습니다. 데이터 이미지는 용량 분별 이미지 스택 또는 MRC, TIF 또는 비트 깊이가 다른 .dm4 파일의 합산 이미지로 저장할 수 있습니다. 또한 데이터를 K3 카메라의 모션 보정 이미지로 저장할 수 있습니다. K2 카메라에서는 처리되지 않은 이미지 스택을 4비트 MRC, 8비트 TIF 또는 8비트 .dm4 파일로 저장할 수 있습니다.
  2. 이전 세션의 설정을 기반으로 새 세션을 만듭니다.
    1. 팔레트에서 이전 세션 확인란을 선택 합니다.
    2. 단추를 선택합니다.
    3. 새 세션의 설정이 기반이 되는 세션이 포함된 폴더를 선택합니다. 이전 세션 디렉터리로 이동하여 새 세션을 만듭니다. 새 세션 및 관련 데이터를 저장하려면 폴더를 선택합니다.
    4. 새 세션 및 관련 데이터가 저장되는 폴더를 선택하고 선택합니다.
      참고: 각 상태 및 기본 설정(배율, 조명 조건, 이미지 또는 프로젝터) 및 빔 시프트 및 카메라 매개 변수(총 노출, 단일 프레임 노출 및 비닝)가 기존 세션에서 새 세션으로 내보됩니다. 폴더의 경로는 팔레트 하단의 텍스트 문자열로 표시됩니다. 각 상태 및 구성 팔레트에는 이미 설정되어 있고 사용할 준비가 되었음을 표시하기 위해 제목에 별표(*)가 추가되었습니다.
  3. 기존 세션을 계속합니다.
    1. 팔레트의 계속 버튼을 눌러 기존 세션을 계속합니다.
      참고: 아틀라스 몽타주를 수정할 수 없습니다.
    2. 계속해야 하는 세션이 포함된 폴더를 선택하고 탐색합니다.
  4. 완전히 새 세션을 시작합니다.
    1. 팔레트의 새 탭 을 클릭합니다. 계속할 세션이 포함된 폴더를 선택합니다. 데이터를 저장하려면 폴더를 선택합니다.
      참고: 기본 폴더 이름은 날짜와 시간을 사용하여 빌드됩니다.
    2. 설정 아이콘을 클릭합니다. 상태 관리 탐색 상자에서 나타나는 상태 탐색 상자에서 상태를 추가하고, TEM 상태, 카메라 상태 및 이미지/스택을 설정한 다음 상태를 지정합니다.
      참고: 자동화된 데이터 수집 워크플로우는 자동화된 데이터 수집을 위해 5개의 다른 상태를 사용합니다. 이러한 상태는 각각의 상태 팔레트에 구성되고 저장됩니다. 상태 요약은 표 1에 제공됩니다.
  5. 아틀라스 상태를 구성합니다.
    1. 아틀라스 상태 팔레트를 클릭합니다.
    2. 나노 프로브의 배율 115x LM 모드, 조명 조건-스팟 크기 8 및 밝기 934400, 비닝: 1 및 카메라 노출 시간: 1.0s 낮은 배율에서 이미징을 위한 1.0s: 다음 매개 변수로 아틀라스 상태를 구성한다. 표 1에 제공된 상태 요약을 참조하십시오.
    3. 다음 상태를 클릭합니다.
      참고: 아틀라스 상태는 전체 그리드(보충 도서 S2)에 대한 조사를 제공하는 가장 낮은 배율 상태입니다. 일반적으로 이 상태는 전체 그리드를 낮은 배율로 시각화하고 그리드의 얼음 두께, 평탄도 및 깨진 사각형을 판단하는 데 도움이 됩니다. 그리드의 최적의 얼음 두께와 최적이 아닌 얼음 두께(보충 도도 S3)를 관찰하기 위해 그리드의 여러 영역에서 아틀라스를 생성하는 것이 좋습니다. 언급된 매개 변수는 사용자의 필요에 따라 달라질 수 있습니다.
  6. 그리드 상태를 구성합니다.
    1. 그리드 상태 팔레트를 클릭합니다.
    2. 다음 현미경 이미징 광학(나노 프로브의 배율 380x LM 모드), 조명 조건(스팟 크기: 8 및 밝기 626,200), 비닝: 1 및 카메라 노출 시간: 1.0s로 그리드 상태를 구성합니다.
    3. 표 1에 제공된 위도-S 상태 요약을 참조하십시오.
    4. 다음 상태를 클릭합니다.
      참고: 그리드 상태는 아틀라스 상태보다 높은 배율로 설정되어 뷰 필드가 하나의 그리드 사각형(그림 2)입니다. 이 특정 배율에서 하나의 그리드 사각형이 관찰됩니다. 따라서 구멍은 이 배율에서 올바르게 관찰되며, 이는 구멍의 얼음 두께를 확인하는 데 도움이 됩니다(보충 도S4). 간단한 밴드패스 필터가 그리드 상태에서 특허 그리드의 구멍을 찾는 데 사용됩니다. 언급된 매개 변수는 사용자의 필요에 따라 달라질 수 있습니다.
  7. 구멍 상태를 구성합니다.
    1. 구멍 팔레트를 클릭합니다.
    2. 이미징 광학(나노 프로브의 배율 4500x SM 모드), 조명 조건(스팟 크기: 7 및 빔 직경 8.81 μm), 비닝: 1 및 카메라 노출 시간: 1.0s: 다음 현미경 설정으로 구멍 상태를 구성합니다.
    3. 그리드 유형에 따라 필요한 경우 매개 변수를 변경합니다. 표 1에 제공된 상태 요약을 참조하십시오.
    4. 다음 상태를 클릭합니다.
      참고: SA 모드는 전자 현미경의 높은 배율 범위를 나타냅니다. 구멍 상태는 몇 마이크로미터(10-20 μm)의 시야를 가진 SA 배율 범위에 있다(도 2보충 도서 S4). 이 배율 범위는 아틀라스 또는 그리드 상태보다 높지만 포커스/데이터 상태보다 훨씬 작습니다. 이 배율에서 개별 구멍이 표시됩니다. 구멍 크기는 높은 수준의 오염, 빈 구멍 및 구멍의 적절한 얼음 두께를 관찰하는 것이 적절합니다. 이미징을 위한 구멍은 이러한 가정에 따라 선택됩니다. 구멍 상태에서는 구멍 참조 이미지와 구멍 참조 이미지를 상호 연관시키는 필터와 스테이지 높이를 유중심 높이로 조정하는 두 개의 필터가 사용됩니다.
  8. 포커스 상태를 구성합니다.
    1. 포커스 팔레트를 클릭합니다.
    2. 이미징 광학(나노 프로브의 배율 45,000x SA 모드), 조명 조건(스팟 크기: 8 및 밝기 934400), 비닝: 1 및 카메라 노출 시간: 1.0s: 다음 현미경 설정으로 초점 상태를 구성합니다.
    3. 구멍 근처의 비정질 탄소 영역에 집중하십시오. 표 1에 제공된 위도-S 상태 요약을 참조하십시오.
    4. 다음 상태를 클릭합니다.
      참고: SA 모드는 전자 현미경의 높은 배율 범위를 나타냅니다. 포커스 상태는 SA 범위 배율이 높습니다. 포커스 모드에서 빔은 대상 구멍의 인근 탄소 영역으로 이동하고 자동으로 포커스를 수행하여 데이터 상태의 데이터를 수집합니다. 해닝 또는 소프트 직사각형 필터와 결합된 밴드패스 필터는 포커스 상태에서 동일한 영역의 두 초점 상태 이미지 사이의 오프셋을 측정하는 데 사용됩니다(그림 2). 언급된 매개 변수는 사용자의 필요에 따라 달라질 수 있습니다.
  9. 데이터 상태를 구성합니다.
    1. 데이터 팔레트를 클릭합니다.
    2. 이미징 광학(예: 나노 프로브의 SA 모드에서 28,000배, 45,000배, 54,000배), 조명 조건(스팟 크기: 8 및 밝기 934400), 비닝: 1 및 카메라 노출 시간: 1.0s.
    3. 표 1에 제공된 위도-S 상태 요약을 참조하십시오.
    4. 다음 상태를 클릭합니다.
      참고: 데이터 상태는 픽셀 크기 요구 사항 및 대상 해상도에 따라 가장 높은 배율입니다(그림 2). 일반적으로 초점을 맞춘 후 빔이 자동으로 대상 영역으로 이동하여 데이터를 수집합니다. 위에서 언급한 매개 변수는 사용자의 요구 사항에 따라 변경될 수 있습니다.

4. 포커스 구성

  1. 포커스 구성 팔레트를 클릭합니다. 지정된 탭의 디포커스 값 범위와 단계 크기를 지정합니다.
  2. 다음 버튼을 눌러 다음 단계로 이동합니다.
    참고: 낮은 디포커스 값을 고해상도 데이터 수집에 사용할 수 있습니다. 일반적으로 -0.5 ~ -3.0 μm 디포커스 값은 0.25 또는 0.5 디포커스 단계 크기로 이미지 수집에 사용됩니다. 사용자는 샘플만 화면을 하려는 경우 포커스 설정 단계를 건너뛸 수 있습니다. 팔레트의 다음 버튼을 눌러 포커스 구성 단계를 건너뜁니다.

5. 미세 정렬

  1. 그리드의 일부 기능(예: 얼음 오염 육각형 얼음)에 집중하십시오. 그림 3을 참조하십시오.
    참고: 기능이 너무 크거나 너무 작아서는 안 됩니다. 아틀라스 상태 배율 115배(LA 모드) 및 데이터 배율 모두에서 볼 수 있어야 합니다.
  2. 캡처 버튼을 클릭합니다. 다른 상태의 각 이미지에 동일한 피쳐에 빨간색 크로스 마크를 배치합니다.
  3. 시야가 아틀라스 및 그리드 상태보다 훨씬 크기 때문에 초점, 데이터 및 구멍 상태로 시작합니다. 아틀라스 및 그리드 상태를 확대하여 아틀라스 및 그리드 상태의 동일한 피쳐에 빨간색 크로스 마크를 배치합니다.
  4. 계산 버튼을 클릭하여 각 상태 간의 간격띄우기를 계산하고 출력 창에 반영하는 5개의 서로 다른 상태의 위치를 계산합니다.
    참고: 오프셋 값은 추가 사용을 위해 상태에 통합됩니다(그림 3). 미세 정렬은 각 상태의 위치의 높은 정확도를 제공하기 위해 수행된다 (도 3). 이 미세 정렬은 모든 5개 주에서 정확한 위치를 정확히 파악하는 데 도움이 됩니다. 미세 정렬 은 단일 파티클 데이터 수집에 매우 중요합니다. 따라서 이미징 전에 미세 정렬을 수행하는 것이 좋습니다.

6. 위도-S를 이용한 데이터 수집 절차

  1. 캡처 팔레트를 클릭합니다.
    참고: 일반적으로 아틀라스 데이터는 대부분의 그리드 사각형을 시각화하기 위해 낮은 배율(115배)에서 수집됩니다.
  2. 아틀라스의 크기를 선택하여 요구 사항(예: 6 x 6, 8 x 8, 12 x 12, 6 x 8, 8 x 6, 6 x 6, 12 x 8 또는 8 x 12)에 따라 그리드의 전체 그리드 또는 일부를 덮습니다.
    참고: 16 by 16 아틀라스 크기는 전체 그리드를 다룹니다.
  3. 캡처 버튼을 클릭하여 아틀라스를 캡처합니다.
    참고: 주요 위도-S 탐색 창이 열리고 DigitalMicrograph(추가 그림 S5)에서 사용 가능한 공간을 채웁니다. 메인 탐색 창에 있는 세 개의 그림 창은 세 가지 배율로 시스템 상태의 이미지를 표시합니다. 전체 아틀라스는 현재 현재 가장 왼쪽 창에 인수 상태에 표시됩니다. 각 캡처가 발생할 때 아틀라스의 타일이 채워집니다.
  4. 아틀라스(보충 도면 S5)를 탐색하여 얼음 두께를 기준으로 그리드 사각형을 선택합니다. 원하는 그리드 사각형을 선택하면 일정 단추를 클릭하고 각 그리드 사각형이 캡처될 때 그리드 사각형 채우기의 타일을 관찰합니다.
  5. 그리드 사각형을 선택하면 일정 단추를 클릭합니다.
  6. 위치를 추가하여 그리드 사각형의 대표 구멍을 선택합니다. 구멍 이미지를 획득하면 데이터 및 포커스 위치를 정의하고 레이아웃을 템플릿(보충 그림 S6)으로 저장합니다.
  7. 자동 찾기를 클릭하고 구멍 크기(예: R1.2/1.3)를 주고 프로그램의 찾기 버튼을 클릭하면 찾기 프로그램이 구멍 직경에 따라 구멍을 자동으로 찾게 됩니다. 다음으로 마크 버튼을 클릭하여 템플릿(그림 4)을 추가하고 한 그리드 또는 부분 그리드 정사각형의 모든 구멍에 빨간색 원 마크를 추가합니다.
  8. 그리드 정사각형 및 얼음 오염에서 구멍을 제거하기 위해 강도를 설정합니다(그림 4).
    참고: 마지막으로 선택한 구멍은 데이터 수집 일정을 잡기 위해 노란색으로 표시됩니다.
  9. 자동 찾기를 통해 구멍을 추가한 후 위도 작업의 일정 버튼을 클릭합니다.
    참고: 자동화된 데이터 수집을 예약하기 전에 액체 질소 탱크 레벨이 충분하고 오토로더 터보 펌프가 꺼져 있고 RAID 드라이브 공간이 없는지 확인합니다. Latitude-S 작업 관리자는 데이터 수집에 예약된 아틀라스, 그리드 사각형, 구멍 및 데이터 상태의 수를 표시합니다(그림 5). 위도-S GUI에서는 다양한 색 구성표가 표시되고 다른 색 구성표의 의미가 표시됩니다: 1. 노란색은 예정되지 않음을 나타냅니다. 2. 녹색은 예약된 것을 나타냅니다. 3. 파란색은 획득을 나타냅니다. 4. 빨간색은 실패했음을 나타냅니다.

7. Cryo-EM 데이터 처리

참고: 스파이크 단백질의 Cryo-EM 이미지 프로세싱은 최근 문헌25에서 자세히 설명된다.

  1. RELION 3.011을 사용하여 SARS-CoV2의 스파이크 단백질의 이미지 처리를 수행합니다.
  2. Latitude-S를 사용하여 수집된 동영상 이미지를 수동으로 상영하고 MotionCor2 소프트웨어를 사용하여 개별 영화의 빔 유도 모션 보정을 수행합니다9. cisTEM 소프트웨어 package14의 도움으로 모션 보정 된 현미경 그래프의 초기 검사를 수동으로 수행하십시오.
    참고: 자동으로 획득한 현미경 사진의 거의 85%는 품질이 양호했으며, 데이터는 cisTEM software14 (보충 도면 S7A, B)를 사용하여 계산되는 3.7-5.2 Å 내에 신호가 있었습니다.
  3. RELION 3.0 소프트웨어 패키지를 사용하여 데이터를 처리합니다11.
    1. 스파이크 입자를 수동으로 선택하고 2D 클래스 분류(추가 도면 S7C)로 분류합니다. 최고의 2D 클래스를 참조로 사용하여 RELION 자동 선택 도구를 사용하여 마이크로그래프에서 3,99,842개의 단일 스파이크 입자를 자동 선택합니다.
      참고: 입자를 3D 분류(보충 도 S8)로 적용하기 전에 3개의 2D 분류가 수행되었다. 약 2,55,982개의 단일 입자가 3D 분류를 위해 선택되었고, 데이터 세트는 6개의 클래스로 분류되었다. 최종 3D 자동 정제는 최고의 클래스로 수행되었습니다. 85,227개의 스파이크 입자는 3D 분류로부터 수득되었다.
    2. 자동 정제 후 분해능 개선을 위해 적절한 빔 기울기 매개변수로 파티클 디포커스 미세 조정을 수행합니다. 다음으로, 리온 3.0 소프트웨어 패키지를 사용하여 입자를 베이지안 연마에 적용한다11. 마지막으로, 리온 3.011을 사용하여 연마된 파티클 세트를 사용하여 3D 자동 정제의 또 다른 라운드에 사용하십시오.

결과

현재 전염병 상황에서, 극저온-EM은 SARS-CoV-226,27,28,29로부터 다양한 단백질의 구조를 특성화하는 데 중요한 역할을 하며, 이는 바이러스에 대한 백신 및 약물을 개발하는 데 도움이 될 수 있다. 2019년 코로나바이러스 질병에 대처하기 위해 제한된 인적 자원을 갖춘 신속한 연구 노력이 절실히 필요합니?...

토론

Latitude-S는 직관적인 사용자 인터페이스로, 이틀 만에 수천 개의 고해상도 현미경 또는 영화 파일을 자동으로 설정하고 수집할 수 있는 환경을 제공합니다. 그리드 를 가로 질러 쉽게 탐색할 수 있으며 낮은 배율에서 높은 배율로 이동하는 동안 현미경 단계의 위치를 유지합니다. Latitude-S를 사용하여 데이터 수집의 각 단계는 시간 효율적이며 간단한 사용자 인터페이스, 최대 4.5GB/s 속도로 데이터?...

공개

저자는 선언할 경쟁또는 재정적 이해 상충이 없습니다.

감사의 말

우리는 생명공학부, 과학기술부(DST) 및 과학기술부, 인도 인사개발부(MHRD) 및 IISc-방갈로르의 냉동 EM 시설에 대한 지원을 인정합니다. 우리는 DBT 빌더 프로그램 (BT / INF / 22 / SP22844/2017) 및 DST-FIST (SR / FST / LSII-039/2015) IISc, 방갈로르에있는 국립 Cryo-EM 시설에 대한 인정. 우리는 과학 공학 연구 위원회 (SERB)(보조금 No.SB / S2 / RJN-145/2015, SERB-EMR/2016/000608 및 SERB-IPA/2020/000094), DBT (그랜트 번호)의 재정 지원을 인정합니다. BT/PR25580/BRB/10/1619/2017). 극저온-EM 그리드를 준비하고, 냉동 EM 데이터 수집을 준비하고, 재료 테이블을 준비해 주신 이시카 프라마닉 씨께 감사드립니다. 또한, 스만 미쉬라 씨가 저온-EM 이미지 처리와 수치를 준비할 수 있도록 도와준 것에 대해 서도 감사드립니다. 우리는 이 연구를 위한 정제된 스파이크 단백질 견본을 얻기 위하여 저희를 돕는 라가반 바라다얀 교수에게 감사드립니다.

자료

NameCompanyCatalog NumberComments
Blotting paperTed Pella, INC.47000-100EM specimen preparation item
CapsuleThermo Fisher Scientific9432 909 97591EM specimen preparation unit
CassetteThermo Fisher Scientific1020863EM specimen preparation unit
C-ClipThermo Fisher Scientific1036171EM specimen preparation item
C-Clip Insertion ToolThermo Fisher Scientific9432 909 97571EM specimen preparation tool
C-Clip RingThermo Fisher Scientific1036173EM specimen preparation item
EM grid (Quantifoil)Electron Microscopy SciencesQ3100AR1.3R 1.2/1.3 300 Mesh, Gold
Glow discharge MachineQuorumN/AQuorum GlowQube glow discharge machine
K2 DEDGatan Inc.N/ACryo-EM data collection device (Camera)
Latitude S SoftwareGatan Inc.Imaging software
Loading stationThermo Fisher Scientific1130698EM specimen preparation unit
Talos 200 kV ArcticaThermo Scientific™N/ACryo-Electron Microscope
Vitrobot Mark IVThermo Fisher ScientificN/AEM specimen preparation unit

참고문헌

  1. Li, Y., Cash, J. N., Tesmer, J. J. G., Cianfrocco, M. A. High-throughput cryo-EM enabled by user-free preprocessing routines. Structure. 28 (7), 858-869 (2020).
  2. Carragher, B., et al. Leginon: An automated system for acquisition of images from vitreous ice specimens. Journal of Structural Biology. 132 (1), 33-45 (2000).
  3. Stagg, S. M., et al. Automated cryoEM data acquisition and analysis of 284 742 particles of GroEL. Journal of Structural Biology. 155 (3), 470-481 (2006).
  4. Frank, J. Single-particle reconstruction of biological macromolecules in electron microscopy-30 years. Quarterly Reviews of Biophysics. 42 (3), 139-158 (2009).
  5. Biyani, N., et al. Focus: The interface between data collection and data processing in cryo-EM. Journal of Structural Biology. 198 (2), 124-133 (2017).
  6. Nakane, T., et al. Single-particle cryo-EM at atomic resolution. Nature. 587 (7832), 152-156 (2020).
  7. Kühlbrandt, W. The resolution revolution. Science. 343 (6178), 1443-1444 (2014).
  8. McMullan, G., Chen, S., Henderson, R., Faruqi, A. R. Detective quantum efficiency of electron area detectors in electron microscopy. Ultramicroscopy. 109 (9), 1126-1143 (2009).
  9. Zheng, S. Q., Palovcak, E., Armache, J. P., Verba, K. A., Cheng, Y., Agard, D. A. MotionCor2: Anisotropic correction of beam-induced motion for improved cryo-electron microscopy. Nature Methods. 14 (4), 331-332 (2017).
  10. Grant, T., Grigorieff, N. Measuring the optimal exposure for single particle cryo-EM using a 2.6 Å reconstruction of rotavirus VP6. eLife. 4, 06980 (2015).
  11. Scheres, S. H. W. RELION: Implementation of a Bayesian approach to cryo-EM structure determination. Journal of Structural Biology. 180 (3), 519-530 (2012).
  12. Grigorieff, N. FREALIGN: High-resolution refinement of single particle structures. Journal of Structural Biology. 157 (1), 117-125 (2007).
  13. Punjani, A., Rubinstein, J. L., Fleet, D. J., Brubaker, M. A. CryoSPARC: Algorithms for rapid unsupervised cryo-EM structure determination. Nature Methods. 14 (3), 290-296 (2017).
  14. Grant, T., Rohou, A., Grigorieff, N. CisTEM, user-friendly software for single-particle image processing. eLife. 7, 35383 (2018).
  15. Tang, G., et al. EMAN2: An extensible image processing suite for electron microscopy. Journal of Structural Biology. 157 (1), 38-46 (2007).
  16. Zhang, P., Beatty, A., Milne, J. L. S., Subramaniam, S. Automated data collection with a Tecnai 12 electron microscope: Applications for molecular imaging by cryomicroscopy. Journal of Structural Biology. 135 (3), 251-261 (2001).
  17. Lei, J., Frank, J. Automated acquisition of cryo-electron micrographs for single particle reconstruction on an FEI Tecnai electron microscope. Journal of Structural Biology. 150 (1), 69-80 (2005).
  18. Potter, C. S., et al. Leginon: A system for fully automated acquisition of 1000 electron micrographs a day. Ultramicroscopy. 77 (3-4), 153-161 (1999).
  19. Mastronarde, D. N. Automated electron microscope tomography using robust prediction of specimen movements. Journal of Structural Biology. 152 (1), 36-51 (2005).
  20. Suloway, C., et al. Automated molecular microscopy: The new Leginon system. Journal of Structural Biology. 151 (1), 41-60 (2005).
  21. Korinek, A., Beck, F., Baumeister, W., Nickell, S., Plitzko, J. M. Computer controlled cryo-electron microscopy - TOM2 a software package for high-throughput applications. Journal of Structural Biology. 175 (3), 394-405 (2011).
  22. Shi, J., Williams, D. R., Stewart, P. L. A Script-Assisted Microscopy (SAM) package to improve data acquisition rates on FEI Tecnai electron microscopes equipped with Gatan CCD cameras. Journal of Structural Biology. 164 (1), 166-169 (2008).
  23. Marsh, M. P., et al. Modular software platform for low-dose electron microscopy and tomography. Journal of Microscopy. 228, 384-389 (2007).
  24. Zhang, J., et al. JADAS: A customizable automated data acquisition system and its application to ice-embedded single particles. Journal of Structural Biology. 165 (1), 1-9 (2009).
  25. Pramanick, I., et al. Conformational flexibility and structural variability of SARS-CoV2 S protein. Structure. , (2021).
  26. Zhou, D., et al. Structural basis for the neutralization of SARS-CoV-2 by an antibody from a convalescent patient. Nature Structural and Molecular Biology. 27 (10), 950-958 (2020).
  27. Hillen, H. S., et al. Structure of replicating SARS-CoV-2 polymerase. Nature. 584 (7819), 154-156 (2020).
  28. Wrapp, D., et al. Cryo-EM structure of the 2019-nCoV spike in the prefusion conformation. Science. 367 (6483), 1260-1263 (2020).
  29. Thoms, M., et al. Structural basis for translational shutdown and immune evasion by the Nsp1 protein of SARS-CoV-2. Science. 369 (6508), 1249-1255 (2020).
  30. Kumar, A., Sengupta, N., Dutta, S. Simplified approach for preparing graphene oxide tem grids for stained and vitrified biomolecules. Nanomaterials. 11 (3), 1-22 (2021).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

173EMSSARS CoV 2

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연구

교육

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유