* These authors contributed equally
Многосетчатый скрининг криоэлектронной микроскопии (криоЭМ) часто является утомительным процессом, требующим многочасового внимания. В этом протоколе показано, как настроить стандартную коллекцию Leginon и Smart Leginon Autoscreen для автоматизации этого процесса. Этот протокол может быть применен к большинству решеток из фольги с отверстиями в криоЭМ.
Достижения в области криоэлектронной микроскопии (криоЭМ) за последнее десятилетие позволили структурным биологам регулярно разрешать высокомолекулярные белковые комплексы с почти атомным разрешением. Общий рабочий процесс всего конвейера cryoEM включает в себя итерацию между подготовкой образца, подготовкой криоЭМ-сетки и скринингом образца/сетки, прежде чем перейти к сбору данных с высоким разрешением. Итерация между подготовкой образца/сетки и скринингом, как правило, является основным узким местом для исследователей, поскольку каждый итеративный эксперимент должен быть оптимизирован с учетом концентрации образца, буферных условий, материала сетки, размера отверстия сетки, толщины льда и поведения белковых частиц во льду, а также других переменных. Кроме того, после того, как эти переменные удовлетворительно определены, сетки, подготовленные в одинаковых условиях, сильно различаются по тому, готовы ли они к сбору данных, поэтому рекомендуется провести дополнительные сеансы скрининга перед выбором оптимальных сеток для сбора данных с высоким разрешением. Этот процесс подготовки и скрининга образцов/сеток часто занимает несколько десятков сеток и дней рабочего времени оператора за микроскопом. Кроме того, процесс скрининга ограничен доступностью оператора/микроскопа и доступностью микроскопа. В этой статье мы продемонстрируем, как использовать Leginon и Smart Leginon Autoscreen для автоматизации большинства скринингов с криоEM-решеткой. Autoscreen сочетает в себе машинное обучение, алгоритмы компьютерного зрения и алгоритмы работы с микроскопом, чтобы устранить необходимость в постоянном ручном вводе данных оператором. Autoscreen может автономно загружать и отображать сетки с многомасштабной визуализацией с помощью автоматизированной кассетной системы обмена образцами, что приводит к автоматическому скринингу сетки для всей кассеты. В результате, время, затрачиваемое оператором на просеивание 12 сеток, может быть сокращено до ~10 мин при использовании Autoscreen по сравнению с ~6 ч при использовании предыдущих методов, которые затрудняются из-за неспособности учесть высокую вариабельность между сетками. Этот протокол сначала знакомит с базовой настройкой и функциональностью Leginon, а затем демонстрирует функциональность Autoscreen шаг за шагом от создания шаблонного сеанса до завершения сеанса автоматического скрининга с 12 сетками.
Криоэлектронная микроскопия одиночных частиц (криоЭМ) позволяет определять структуру очищенных высокомолекулярных комплексов с близким к атомному разрешению. КриоЭМ-эксперимент с одной частицей требует только одной или двух хорошо подобранных сеток, выбранных из гораздо большего набора сеток с различными условиями образца и сетки. Скрининг под микроскопом для изучения этих сеток включает в себя визуализацию каждой сетки с несколькими увеличениями, чтобы определить, какая сетка удовлетворяет большинству ключевых требований для сбора данных с высоким разрешением, включая толщину льда, достаточные площади для полного сбора данных, чистоту белка, концентрацию белка, стабильность белка и минимальные проблемы предпочтительной ориентации1. Оптимизация этих ключевых требований часто включает в себя обратную связь между просеиванием под микроскопом и условиями приготовления, такими как производство белка, выбор буфера, потенциальные детергенты и тип сетки 2,3,4 (рис. 1). Обычное сетчатое просеивание выполняется вручную или полувручную с помощью такого программного обеспечения, как Leginon5, SerialEM6 и EPU7. Обычный скрининг требует, чтобы оператор микроскопа часами сидел за микроскопом для скрининга нескольких сеток, что создает значительное узкое место в рабочем процессе с одним частицей с высоким разрешением, занимая оператора механическими операциями, а не оптимизацией образца/сетки.
Ранее были представлены Smart Leginon Autoscreen и лежащее в его основе программное обеспечение для машинного обучения Ptolemy, и были описаны лежащие в их основе методы и алгоритмы вместе с примерами 8,9. Несколько других программных пакетов либо способны, либо работают в направлении полностью автоматизированного многосетчатого скрининга10, включая SmartScope11, Smart EPU12 и CryoRL13,14. Чтобы устранить узкое место скрининга, Smart Leginon позволяет пользователю сначала настроить параметры скрининга в сеансе микроскопа шаблона, а затем использовать параметры этого сеанса в качестве шаблона для скрининга полной кассеты сеток в автозагрузчике микроскопа. Исключается вся ручная работа во время кассетного грохочения, что позволяет значительно эффективнее работать в контуре обратной связи оптимизации.
В этом протоколе описан полный рабочий процесс Smart Leginon Autoscreen, чтобы считыватель мог самостоятельно выполнять полностью автоматизированный многосетчатый криоЭМ-скрининг. Для тех, кто не знаком с Leginon, первый раздел протокола описывает традиционное использование Legunon. Эти знания складываются из многолетнего опыта работы с несколькими микроскопами с автозагрузкой, которые затем используются в последующем разделе протокола Smart Leginon. Дополнительные обучающие видео можно найти на https://memc.nysbc.org.
Чтобы следовать этому протоколу, изображенному на рисунке 2, Leginon 3.6+ должен быть установлен на компьютере микроскопа и на дополнительной рабочей станции Linux, а Ptolemy должен быть установлен на рабочую станцию Linux. Этот протокол разрабатывался в течение нескольких лет с использованием микроскопов Glacios и Krios компании Thermo Fisher Scientific (TFS). Этот протокол предполагает, что считыватель уже настроил Leginon, Appion15, связанную с ними базу данных, калибровки микроскопа, выполнил прямое выравнивание на микроскопе и настроил два приложения Leginon: одно для стандартного сбора одиночных частиц и одно для сбора одиночных частиц с помощью Птолемея. Информация о настройке Leginon доступна здесь: https://emg.nysbc.org/redmine/projects/leginon/wiki/Leginon_Manual. Информация о настройке Птолемея в Leginon доступна здесь: https://emg.nysbc.org/redmine/projects/leginon/wiki/Multi-grid_autoscreening. Загрузите Легинона с http://leginon.org и Птолемея с https://github.com/SMLC-NYSBC/ptolemy. Leginon распространяется под лицензией Apache версии 2.0, а Ptolemy — под лицензией CC BY-NC 4.0.
1. Применение Легинона
2. Использование Smart Leginon Autoscreen
В соответствии с протоколом, сеансы криоЭМ-скрининга могут быть проведены автоматически и успешно для большинства (80%-90%) дырявых сеток и условий. Ранее было представлено несколько примеров и экспериментов, демонстрирующих ожидаемые результаты успешных сеансов Smart Leginon Autoscreen. Успешная сессия Autoscreen начинается с ~10 минут настройки и обычно приводит к созданию полной кассеты из 12 сеток, автоматически просеиваемых примерно через 6 часов (30 минут на сетку), где 3-5 квадратов разных размеров и 3-5 отверстий на квадрат визуализируются при большом увеличении, что позволяет пользователю быстро определять характеристики образца на каждой сетке и быстро выполнять итерацию по условиям выборки/сетки (рис. 3). Иногда сеансы не увенчались успехом, как правило, из-за того, что Autoscreen нацеливался на битые квадраты, неправильно интерпретировал большие градиенты толщины льда по сетке или по квадратам или не мог правильно идентифицировать отверстия на карбоновых решетках. Кроме того, потенциальные утечки памяти могут привести к сбою Leginon из-за чрезмерного использования памяти, что может быть решено путем освобождения оперативной памяти или перезагрузки компьютера, или улучшено путем добавления большего объема оперативной памяти к компьютеру.
Рисунок 1: Рабочий процесс Smart Leginon Autoscreen. Высокоуровневый обзор рабочего процесса Smart Leginon Autoscreen. Во-первых, сеанс шаблона создается путем выбора параметров для репрезентативной сетки в пакете сеток для скрининга. Настройка Leginon и создание шаблонной сессии занимает менее 45 минут. Во-вторых, Autoscreen настроен на использование параметров сеанса шаблона для скрининга всех сеток в кассете. Настройка автоэкрана занимает не более 10 минут. Наконец, автоэкран завершает сеанс скрининга. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
Рисунок 2: Обычный криоЭМ-трубопровод для одиночных частиц перед автоматизированным скринингом. Наиболее распространенные этапы в обычном одночастичном криоЭМ-трубопроводе перед автоматическим скринингом, а также компоненты, которые могут быть улучшены. Каждый шаг выделен цветом, чтобы приблизительно показать, насколько узким местом является этот шаг по сравнению с другими. Синяя круговая стрелка представляет несколько циклов обратной связи между большинством шагов. Пропускная способность на нескольких этапах сильно зависит от образца, финансирования и местоположения исследователя. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
Рисунок 3: Репрезентативные результаты Smart Leginon Autoscreen. Репрезентативные многомасштабные изображения по протоколу Smart Leginon Autoscreen, собранные на криоТЭМ TFS Krios с энергетическим фильтром BioQuantum и камерой K3. (A) Составное изображение «атласа», показывающее обзор криоЭМ-сетки. (З-Ж) Многомасштабные изображения из указанных мест в атласе сетки. Изображения с малым увеличением в первом ряду, изображения со средним увеличением во втором ряду и изображения с большим увеличением в третьем ряду были выбраны автоматически для получения информации об образце от тонких до толстых ледяных квадратов. Толщина льда, оцененная Легиноном, показана на дне. Масштабные линейки составляют 500 мкм для (A) и 10 мкм для первого ряда, 5 мкм для второго ряда и 100 нм для третьего ряда для (B-F). Эта цифра была изменена с разрешения Cheng et al.8. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
gr: Сетка | sq: Квадрат | hln: Дыра | вентилятор: Автофокус | fcn: Центральный фокус | enn: Экспозиция | |
Увеличение | 210 | 2600 | 6700 | 120000 | 120000 | 120000 |
Расфокусировка | -0.0002 | -0.00015 | -0.00015 | -2 х 10-06 | -7 х 10-07 | -2,5 х 10-06 |
Размер пятна | 5 | 5 | 4 | 2 | 2 | 2 |
Интенсивность | 1.1 | 0.83 | 0.65 | 0.44 | 0.44 | 0.45 |
Измерение | 1024 х 1024 | 1024 х 1024 | 1024 х 1024 | 1024 х 1024 | 1024 х 1024 | 4096 х 4096 |
Смещение | 0, 0 | 0, 0 | 0, 0 | 0, 0 | 512, 512 | 0, 0 |
Биннинг | 4 х 4 | 4 х 4 | 4 х 4 | 4 х 4 | 2 х 2 | 1 х 1 |
Время экспозиции (мс) | 200 | 500 | 500 | 500 | 500 | 1000 |
Предварительная экспозиция (с) | 0 | 0 | 0 | 0 | 0 | 0 |
Доза (e/Å2) | -- | -- | -- | 36.5 | 36.5 | 64.7 |
Сохранение необработанных кадров | Нет | Нет | Нет | Нет | Нет | Да |
Таблица 1: Предустановленные параметры для скрининга криоЭМ-матрицы в Центре электронной микроскопии им. Саймонса (SEMC) с использованием криоТЭМ Glacios с камерой Falcon 3EC. Показаны параметры для каждой предустановки, обычно используемой на криоТЭМ Glacios с камерой Falcon 3EC в SEMC. Разные микроскопы будут иметь разное увеличение, и в разных экспериментах будут использоваться различные параметры, такие как расфокусировка и время экспозиции.
gr: Сетка | sq: Квадрат | hln: Дыра | вентилятор: Автофокус | fcn: Центральный фокус | enn: Экспозиция | |
Увеличение | 64 | 1700 | 2850 | 75000 | 75000 | 75000 |
Расфокусировка | 0 | -5 х 10-05 | -5 х 10-05 | -1 х 10-06 | -7 х 10-07 | -2 х 10-06 |
Размер пятна | 6 | 9 | 9 | 6 | 6 | 7 |
Интенсивность | 0.001 | 1,65 х 10-05 | 1,5 х 10-05 | 4,3 х 10-07 | 4,3 х 10-07 | 5,5 х 10-07 |
Ширина энергетического фильтра | -- | -- | -- | 20 | 20 | 20 |
Измерение | 1024 х 1024 | 1024 х 1024 | 1024 х 1024 | 1024 х 1024 | 2048 х 2048 | 4096 х 4096 |
Смещение | 0, 0 | 0, 0 | 0, 0 | 0, 0 | 0, 0 | 0, 0 |
Биннинг | 4 х 4 | 4 х 4 | 4 х 4 | 4 х 4 | 2 х 2 | 1 х 1 |
Время экспозиции (мс) | 500 | 2000 | 1000 | 500 | 300 | 8700 |
Предварительная экспозиция (с) | 0 | 0 | 0 | 0 | 0 | 0 |
Доза (e/Å2) | -- | -- | -- | -- | -- | 47.4 |
Сохранение необработанных кадров | Нет | Нет | Нет | Нет | Нет | Да |
Таблица 2: Предустановленные параметры для скрининга криоЭМ сетки в SEMC с использованием криоТЭМ Krios с камерой Selectris X и Falcon 4i. Показаны параметры для каждой предустановки, обычно используемой на Krios с энергетическим фильтром Selectris X и камерой Falcon 4i в SEMC. Разные микроскопы будут иметь разное увеличение, и в разных экспериментах будут использоваться различные параметры, такие как расфокусировка и время экспозиции.
gr: Сетка | sq: Квадрат | hln: Дыра | вентилятор: Автофокус | fcn: Центральный фокус | enn: Экспозиция | |
Увеличение | 1550 | 940 | 2250 | 81000 | 81000 | 81000 |
Расфокусировка | 0 | -5 х 10-05 | -5 х 10-05 | -1 х 10-06 | -7 х 10-07 | -2 х 10-06 |
Размер пятна | 4 | 8 | 7 | 6 | 6 | 6 |
Интенсивность | 0.0015 | 0.00017 | 7,3 х 10-05 | 1,3 х 10-06 | 1,3 х 10-06 | 9,2 х 10-07 |
Ширина энергетического фильтра | -- | -- | 50 | 20 | 20 | 20 |
Измерение | 1024 х 1024 | 1440 х 1024 | 1440 х 1024 | 1440 х 1024 | 1008 х 1008 | 5760 х 4092 |
Смещение | 0, 0 | 0, 0 | 0, 0 | 0, 0 | 936, 519 | 0, 0 |
Биннинг | 4 х 4 | 8 х 8 | 8 х 8 | 8 х 8 | 4 х 4 | 2 х 2 |
Время экспозиции (мс) | 250 | 600 | 600 | 500 | 500 | 2100 |
Предварительная экспозиция (с) | 0 | 0 | 0 | 0 | 0 | 0 |
Доза (e/Å2) | -- | -- | -- | -- | -- | 51 |
Сохранение необработанных кадров | Нет | Нет | Нет | Нет | Нет | Да |
Таблица 3: Предустановленные параметры для скрининга криоЭМ-сетки в SEMC с использованием криоТЭМ Krios с камерой BioQuantum и K3. Показаны параметры для каждой предустановки, обычно используемой на Krios с энергетическим фильтром BioQuantum и камерой K3 в SEMC. Разные микроскопы будут иметь разное увеличение, и в разных экспериментах будут использоваться различные параметры, такие как расфокусировка и время экспозиции.
Дополнительный рисунок 1: Квадратные настройки таргетинга и квадратные настройки для Smart Leginon. (A) Настройки квадратного таргетинга. (B) Квадратные настройки. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 2: Настройки Hole Targeting и настройки Hole для Smart Leginon. (A) Настройки наведения на отверстие. (B) Настройки отверстий. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 3: Настройки нацеливания экспозиции и настройки экспозиции для Smart Leginon. (A) Настройки таргетирования экспозиции. (B) Настройки экспозиции. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 4: Настройки фокусировки и настройки последовательности фокусировки для Smart Leginon. (A) Настройки фокусировки. (B) Настройки последовательности фокусировки (Defocus1). (C) Настройки последовательности фокусировки (Defocus2). Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 5: Настройки Z_Focus и настройки Z_Focus Sequence для Smart Leginon. (А) Z_Focus настройки. (B) Z_Focus Настройки последовательности (Stage_Tilt_Rough). (C) Z_Focus Настройки последовательности (Stage_Tilt_Fine). Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 6: Пример атласа после настройки параметров Square_Targeting Smart Leginon. Синие круги — это кляксы, зеленые плюсики — места сбора, а коричневая буква «x» — текущее местоположение этапа. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 7: Пример атласа после настройки параметров Smart Leginon Hole_Targeting. Фиолетовые плюсы — это места решетки, зеленые плюсы с прямоугольниками — места захвата, а синий плюс — расположение фокуса. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 8: Пример атласа после настройки параметров Exposure_Targeting Smart Leginon. Синие круги — это кляксы, зеленые плюсы — места съемки, а синие плюсы — это фокусировка. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 9: Настройка терминала Smart Leginon Autoscreen. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок 10: Настройка графического интерфейса Smart Leginon Autoscreen. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
В этом протоколе мы опишем конвейер для Smart Leginon Autoscreen, а также основы использования Leginon для тех, кто не знаком с программным обеспечением для сбора данных. Ожидается, что к концу 2024 г. криоЭМ с одной частицей станет самым продуктивным трехмерным (3D) методом разрешения структуры белков17. Конвейер криоЭМ с одной частицей состоит из нескольких этапов, которые постоянно оптимизируются для повышения качества данных и пропускной способности. На рисунке 2 показаны наиболее распространенные этапы (подготовка образца, подготовка сетки, время и трудозатраты на просеивание, время сбора данных с высоким разрешением, обработка в реальном времени и полная постобработка), а также другие компоненты конвейера, которые могут быть улучшены (доступ к скрининговому микроскопу, скорость и точность стола, скорость камеры и доступ к микроскопу высокого разрешения). Результаты большинства шагов становятся петлями обратной связи с предыдущими шагами (синие стрелки на рисунке 2), что делает весь конвейер сильно взаимозависимым. Каждый шаг на рисунке 2 выделен цветом, чтобы приблизительно показать, насколько узким местом является этот шаг по сравнению с другими. Smart Leginon Autoscreen значительно сокращает время и усилия оператора при просеивании 12 сеток с 6 часов до менее чем 10 минут, тем самым устраняя это узкое место и обеспечивая более быструю обратную связь при подготовке пробы/сетки (рис. 3).
Протокол состоит из нескольких критических этапов, показанных на рисунке 1. Очень важно, чтобы сетка, используемая для создания сеанса шаблона, была репрезентативной по отношению к остальным сеткам, подлежащим скринингу. Важно отметить, что Leginon запоминает все настройки на протяжении всего процесса настройки для создания шаблонного сеанса (синие шаги на рисунке 1), что позволяет каждый раз быстрее настраивать повторяющиеся сеансы шаблона. При создании шаблона сеанса наиболее важным шагом является настройка таргетинга на все увеличения, чтобы параметры и пороговые значения отражали ожидаемое изменение по экранируемым сеткам. Различные кнопки «Тест» обеспечивают эффективность процесса настройки. Во время сеанса Autoscreen очень важно следить за первыми несколькими сетками в Appion, чтобы быстро обнаружить любые проблемы и исправить их в Leginon как можно скорее.
Типичный рабочий процесс в SEMC заключается в передаче данных Autoscreen в CryoSPARC Live18 и использовании этой дополнительной информации для информирования циклов обратной связи при подготовке образца/сетки. Во время интенсивных дней оптимизации криоЭМ для исследователей и операторов информация о состоянии образца и сетки возвращается в подготовку образца и сетки, в то время как Autoscreen по-прежнему просеивает сетки. Это позволяет замораживать и просеивать несколько десятков сеток занеделю 8.
Smart Leginon Autoscreen работает для большинства (80%-90%) дырявых сеток и условий, наблюдаемых в SEMC. Остальные 10%-20% сеток включают в себя те, которые иногда плохо работают - сетки с минимальной разницей контрастов между отверстиями и подложкой; сетки с меньшими отверстиями и интервалами (например, 0,6/0,8) - и сетки, где нацеливание на несколько сеток часто непрактично - сетки Spotiton/Chameleon19,20, состоящие из полос выборки по всей сетке; Кружевные сетки. Обратите внимание, что коллекция наклонной сетки с автоэкраном находится в разработке, но пока недоступна. Возможно, можно модифицировать протокол для работы с сетками Spotiton/Chameleon, сначала визуализируя области полосы вручную для определения узких пороговых значений параметров, затем пытаясь сгруппировать большие и меньшие квадраты вместе, соответственно, на шаге 2.1.7.4, а затем выбирая цели из группы с помощью льда. Цель этой модификации состоит в том, чтобы Smart Leginon разделил пустые и непустые квадраты на две группы. Если параметры найдены, они могут плохо распространяться на остальные сетки, подлежащие экранированию. Также можно модифицировать протокол для работы с сетками Лейси, удалив сценарий hl_finding.sh на шаге 2.1.9.1 и настроив параметры для более светлых/темных областей по желанию. Успешность этой модификации может варьироваться от сетки к сетке в зависимости от толщины льда и материала сетки.
Устранение неполадок во время сеанса автоэкрана возможно, а иногда и целесообразно. Изменения в предустановленных (например, расфокусировка) и целевых параметрах (например, пороговые значения Hole Target) могут быть внесены во время автоматического сбора. Во время сбора данных сеанс Autoscreen сеанс сетки не может быть отменен, так как он завершит autoscreen.py. Однако кнопки «Прервать» в узлах «Нацеливание» можно использовать для пропуска любой части сетки или всей сетки. Иногда autoscreen.py может использовать слишком много памяти и замораживать, предлагая два варианта: «принудительный выход» или «ожидание». Если выбран параметр «Принудительный выход», весь сценарий завершится, что потребует от пользователя повторного запуска сценария, который будет применен к оставшимся сеткам для скрининга. Если выбрано 'wait', сценарий продолжится, и настройки могут быть изменены для предотвращения зависания в будущем, например, отключение отображения изображения в узле Exposure, уменьшение размера пикселя в атласе или запуск скрипта очистки памяти. Если программа зависает, не предлагая двух вариантов, ошибки памяти могут не разрешиться сами по себе, что приведет к паузе в сборе данных. В этом случае может быть полезна опция «принудительного выхода».
Smart Leginon Autoscreen регулярно используется в SEMC. По мере того, как узкие места в конвейере одночастичных криоЭМ продолжают сокращаться, внедрение криоЭМ будет продолжать расти, чтобы помочь ответить на биологические вопросы. Данный протокол является шагом в направлении оптимизации всего пайплайна, предоставляя четкий путь для значительного сокращения циклов обратной связи.
Авторы заявляют, что у них нет конкурирующих финансовых интересов.
Некоторые из этих работ были выполнены в Центре электронной микроскопии Саймонса в Нью-Йоркском центре структурной биологии при поддержке Фонда Саймонса (SF349247), NIH (U24 GM129539) и Ассамблеи штата Нью-Йорк.
Name | Company | Catalog Number | Comments |
Glacios cryoTEM | Thermo Fisher Scientific | GLACIOSTEM | FEG, 200 keV, Falcon 3EC camera |
Krios cryoTEM | Thermo Fisher Scientific | KRIOSG4TEM | XFEG, 300 keV, Gatan BioQuantum energy filter, Gatan K3 camera |
Leginon | Simons Electron Microscopy Center | http://leginon.org | |
Ptolemy | Simons Machine Learning Center | https://github.com/SMLC-NYSBC/ptolemy |
Request permission to reuse the text or figures of this JoVE article
Request PermissionThis article has been published
Video Coming Soon
ABOUT JoVE
Copyright © 2025 MyJoVE Corporation. All rights reserved