저자 스포트라이트: 입자 선택 효율성 향상을 위해 CryoSieve를 사용한 Cryo-EM 분석 최적화

극저온 전자 현미경은 생물학적 거대분자의 원자에 가까운 구조를 결정하는 데 필수적입니다. 수많은 저신호 대 잡음비 이미지의 평균화에 의존하고 있음에도 불구하고 특정 해상도에 필요한 최적의 입자 수는 아직 알려져 있지 않습니다. 이러한 제한은 시료 분석 및 전처리 방법의 진행을 방해합니다.

이 문제를 해결하기 위해 반복 정렬 방법인 CryoSieve를 도입했습니다. 표준 프로토콜 선택에는 2차원 및 3차원 분류가 포함되며, Normalized Cross-correlation 방법, 각도 그래프 일관성 접근 방식 및 비정렬 분류와 같은 다른 프로토콜 정렬 기준이 현재 사용 중입니다. 광범위한 실험을 통해 CryoSieve가 다른 Cryo-EM 입자 분류 알고리즘보다 성능이 뛰어나 대부분의 입자가 최종 스택에서 필요하지 않다는 사실이 밝혀졌습니다.

최종 스택에 남아 있는 소수의 입자는 재구성 밀도 맵에서 매우 높은 해상도의 진폭을 생성합니다. 일부 데이터 세트의 경우 가장 미세한 부분 집합의 크기가 이론적 한계에 근접합니다. Cryo-EM에서 시료 전처리는 워크플로우를 방해합니다.

프로토콜 비교를 위한 표준 메트릭이 없기 때문에 수집된 입자에 대한 선택된 입자의 비율이 품질 메트릭으로 사용될 수 있습니다. 그들의 공간적, 시간적 분포를 조사하는 것은 또한 준비 효과에 대한 주요 물리적 요인을 강조할 수 있습니다.