Name: cryo-em and single-particle analysis with scipion
Uploaded: 2021-05-29T13:00:00
Duration: 9 min 6 s
Description: Watch this Scientific Journal Video about Cryo-EM and Single-Particle Analysis with Scipion at JoVE.com

Os autores gostariam de reconhecer o apoio econômico de: Ministério espanhol da Ciência e Inovação através de Bolsas: PID2019-104757RB-I00/AEI/10.13039/501100011033, o "Comunidad Autónoma de Madrid" através de Grant: S2017/BMD-3817, Instituto de Salud Carlos III, PT17/0009/0010 (ISCIII-SGEFI/ERDF), União Europeia (UE) e Horizon 2020 através de subvenção: INSTRUIR - ULTRA (INFRADEV-03-2016-2017, Proposta: 731005), EOSC Life (INFRAEOSC-04-2018, Proposta: 824087), iNEXT - Discovery (Proposta: 871037) e HighResCells (ERC - 2018 - SyG, Proposta: 810057). O projeto que deu origem a esses resultados recebeu o apoio de uma bolsa da Fundação "la Caixa" (ID 100010434). O código de companheirismo é LCF/BQ/DI18/11660021. Este projeto recebeu financiamento do programa de pesquisa e inovação Horizon 2020 da União Europeia no âmbito do acordo de subvenção Marie Skłodowska-Curie nº 713673. Os autores reconhecem o apoio e o uso dos recursos do Instruct, um projeto da Landmark ESFRI.

<ol>
	<li>Nogales, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+development+of+cryo-EM+into+a+mainstream+structural+biology+technique.">The development of cryo-EM into a mainstream structural biology technique.</a> Nature Methods. 13 (1), 24-27 (2016).</li><li>K&#252;hlbrandt, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Resolution+Revolution.">The Resolution Revolution.</a> Science. 343 (6178), 1443-1444 (2014).</li><li>. 1.15 A structure of human apoferritin obtained from Titan Mono- BCOR microscope Available from: <a target="_blank" href="https://www.rcsb.org/structure/7A6A">https://www.rcsb.org/structure/7A6A</a> (2021)</li><li>Arnold, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Miniaturizing+EM+Sample+Preparation:+Opportunities,+Challenges,+and+"Visual+Proteomics".">Miniaturizing EM Sample Preparation: Opportunities, Challenges, and "Visual Proteomics".</a> PROTEOMICS. 18 (5-6), 1700176 (2018).</li><li>Faruqi, A. R., McMullan, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Direct+imaging+detectors+for+electron+microscopy.">Direct imaging detectors for electron microscopy.</a> Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 878, 180-190 (2018).</li><li>Vilas, J. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advances+in+image+processing+for+single-particle+analysis+by+electron+cryomicroscopy+and+challenges+ahead.">Advances in image processing for single-particle analysis by electron cryomicroscopy and challenges ahead.</a> Current Opinion in Structural Biology. 52, 127-145 (2018).</li><li>Martinez, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integration+of+Cryo-EM+Model+Building+Software+in+Scipion.">Integration of Cryo-EM Model Building Software in Scipion.</a> Journal of Chemical Information and Modeling. 60, 2533-2540 (2020).</li><li>de la Rosa-Trev&#237;n, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scipion:+A+software+framework+toward+integration,+reproducibility+and+validation+in+3D+electron+microscopy.">Scipion: A software framework toward integration, reproducibility and validation in 3D electron microscopy.</a> Journal of Structural Biology. 195, 93-99 (2016).</li><li>de la Rosa-Trev&#237;n, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Xmipp+3.0:+an+improved+software+suite+for+image+processing+in+electron+microscopy.">Xmipp 3.0: an improved software suite for image processing in electron microscopy.</a> Journal of Structural Biology. 184, 321-328 (2013).</li><li>Scheres, S. H. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Methods in Enzymology. The Resolution Revolution: Recent Advances In cryoEM. , 125-157 (2016).</li><li>Punjani, A., Rubinstein, J. L., Fleet, D. J., Brubaker, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=cryoSPARC:+algorithms+for+rapid+unsupervised+cryo-EM+structure+determination.">cryoSPARC: algorithms for rapid unsupervised cryo-EM structure determination.</a> Nature Methods. 14, 290-296 (2017).</li><li>Ludtke, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3-D+structures+of+macromolecules+using+single-particle+analysis+in+EMAN.">3-D structures of macromolecules using single-particle analysis in EMAN.</a> Methods in Molecular Biology. 673, 157-173 (2010).</li><li>Shaikh, T. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SPIDER+image+processing+for+single-particle+reconstruction+of+biological+macromolecules+from+electron+micrographs.">SPIDER image processing for single-particle reconstruction of biological macromolecules from electron micrographs.</a> Nature Protocols. 3, 1941-1974 (2008).</li><li>Wagner, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SPHIRE-crYOLO+is+a+fast+and+accurate+fully+automated+particle+picker+for+cryo-EM.">SPHIRE-crYOLO is a fast and accurate fully automated particle picker for cryo-EM.</a> Communications Biology. 2, (2019).</li><li>Mindell, J. A., Grigorieff, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accurate+determination+of+local+defocus+and+specimen+tilt+in+electron+microscopy.">Accurate determination of local defocus and specimen tilt in electron microscopy.</a> Journal of Structural Biology. 142, 334-347 (2003).</li><li>Winn, M. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Overview+of+the+CCP4+suite+and+current+developments.">Overview of the CCP4 suite and current developments.</a> Acta crystallographica. Section D, Biological crystallography. 67, 235-242 (2011).</li><li>Liebschner, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Macromolecular+structure+determination+using+X-rays,+neutrons+and+electrons:+recent+developments+in+Phenix.">Macromolecular structure determination using X-rays, neutrons and electrons: recent developments in Phenix.</a> Acta Crystallographica Section D. 75, 861-887 (2019).</li><li>Wong, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cryo-EM+structure+of+the+Plasmodium+falciparum+80S+ribosome+bound+to+the+anti-protozoan+drug+emetine.">Cryo-EM structure of the Plasmodium falciparum 80S ribosome bound to the anti-protozoan drug emetine.</a> eLife. 3, 03080 (2014).</li><li>Abrishami, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Alignment+of+direct+detection+device+micrographs+using+a+robust+Optical+Flow+approach.">Alignment of direct detection device micrographs using a robust Optical Flow approach.</a> Journal of Structural Biology. 189, 163-176 (2015).</li><li>Sorzano, C. O. S., Jonic, S., Nunez Ramirez, R., Boisset, N., Carazo, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast,+robust+and+accurate+determination+of+transmission+electron+microscopy+contrast+transfer+function.">Fast, robust and accurate determination of transmission electron microscopy contrast transfer function.</a> Journal of Structural Biology. 160, 249-262 (2007).</li><li>Abrishami, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+pattern+matching+approach+to+the+automatic+selection+of+particles+from+low-contrast+electron+micrographs.">A pattern matching approach to the automatic selection of particles from low-contrast electron micrographs.</a> Bioinformatics. 29, 2460-2468 (2013).</li><li>Sanchez-Garcia, R., Segura, J., Maluenda, D., Carazo, J. M., Sorzano, C. O. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Deep+Consensus,+a+deep+learning-based+approach+for+particle+pruning+in+cryo-electron+microscopy.">Deep Consensus, a deep learning-based approach for particle pruning in cryo-electron microscopy.</a> IUCrJ. 5, 854-865 (2018).</li><li>Sorzano, C. O. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+clustering+approach+to+multireference+alignment+of+single-particle+projections+in+electron+microscopy.">A clustering approach to multireference alignment of single-particle projections in electron microscopy.</a> Journal of Structural Biology. 171, 197-206 (2010).</li><li>Sorzano, C. O. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+statistical+approach+to+the+initial+volume+problem+in+Single+Particle+Analysis+by+Electron+Microscopy.">A statistical approach to the initial volume problem in Single Particle Analysis by Electron Microscopy.</a> Journal of Structural Biology. 189, 213-219 (2015).</li><li>Sorzano, C. O. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Swarm+optimization+as+a+consensus+technique+for+Electron+Microscopy+Initial+Volume.">Swarm optimization as a consensus technique for Electron Microscopy Initial Volume.</a> Applied Analysis and Optimization. 2, 299-313 (2018).</li><li>Pettersen, E. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=UCSF+Chimera--a+visualization+system+for+exploratory+research+and+analysis.">UCSF Chimera--a visualization system for exploratory research and analysis.</a> Journal of computational chemistry. 25, 1605-1612 (2004).</li><li>Sorzano, C. O. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+algorithm+for+high-resolution+reconstruction+of+single+particles+by+electron+microscopy.">A new algorithm for high-resolution reconstruction of single particles by electron microscopy.</a> Journal of Structural Biology. 204, 329-337 (2018).</li><li>Vilas, J. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MonoRes:+Automatic+and+Accurate+Estimation+of+Local+Resolution+for+Electron+Microscopy+Maps.">MonoRes: Automatic and Accurate Estimation of Local Resolution for Electron Microscopy Maps.</a> Structure. 26, 337-344 (2018).</li><li>Ramirez-Aportela, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+local+resolution-based+sharpening+of+cryo-EM+maps.">Automatic local resolution-based sharpening of cryo-EM maps.</a> Bioinformatics. 36, 765-772 (2020).</li><li>Heymann, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Validation+of+3D+EM+Reconstructions:+The+Phantom+in+the+Noise.">Validation of 3D EM Reconstructions: The Phantom in the Noise.</a> AIMS Biophys. 2, 21-35 (2015).</li><li>Lander, G. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Appion:+An+integrated,+database-drive+pipeline+to+facilitate+EM+image+processing.">Appion: An integrated, database-drive pipeline to facilitate EM image processing.</a> Journal of Structural Biology. 166, 95-102 (2009).</li><li>Suloway, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+molecular+microscopy:+The+new+Leginon+system.">Automated molecular microscopy: The new Leginon system.</a> Journal of Structural Biology. 151, 41-60 (2005).</li></ol>

Os autores não têm nada a revelar.

Atualmente, o crio-EM é uma ferramenta-chave para revelar a estrutura 3D de amostras biológicas. Quando bons dados são coletados com o microscópio, as ferramentas de processamento disponíveis nos permitirão obter uma reconstrução 3D da macromolécula em estudo. O processamento de dados Crio-EM é capaz de alcançar uma resolução quase atômica, que é fundamental para entender o comportamento funcional de uma macromolécula e também é crucial na descoberta de drogas.
O Scipion é um software que permite criar todo o fluxo de trabalho combinando os pacotes de processamento de imagem mais relevantes de forma integrativa, o que ajuda a rastreabilidade e reprodutibilidade de todo o fluxo de trabalho de processamento de imagem. O Scipion fornece um conjunto muito completo de ferramentas para realizar o processamento; no entanto, a obtenção de reconstruções de altas resoluções depende completamente da qualidade dos dados adquiridos e de como esses dados são processados. 
Para obter uma reconstrução 3D de alta resolução, o primeiro requisito é obter bons filmes do microscópio, que preservam informações estruturais para alta resolução. Se este não for o caso, o fluxo de trabalho não será capaz de extrair informações de alta definição dos dados. Em seguida, um fluxo de trabalho de processamento bem-sucedido deve ser capaz de extrair partículas que realmente correspondem à estrutura e encontrar as orientações dessas partículas no espaço 3D. Se alguma das etapas do fluxo de trabalho falhar, a qualidade do volume reconstruído será degradada. O Scipion permite o uso de diferentes pacotes em qualquer uma das etapas de processamento, o que ajuda a encontrar a abordagem mais adequada para processar os dados. Além disso, graças à disponibilização de muitos pacotes, podem ser utilizadas ferramentas de consenso que aumentam a precisão ao encontrar um acordo nas saídas estimadas de diferentes métodos. Além disso, tem sido discutido detalhadamente na seção Resultados Representativos várias ferramentas de validação e como identificar resultados precisos e imprecisos em cada etapa do fluxo de trabalho, para detectar possíveis problemas e como tentar resolvê-los. Existem vários pontos de verificação ao longo do protocolo que podem ajudar a perceber se o protocolo está funcionando corretamente ou não. Alguns dos mais relevantes são: escolha, classificação 2D, estimativa inicial de volume e alinhamento 3D. Verificar as entradas, repetir a etapa com um método diferente ou usar consenso, são opções disponíveis no Scipion que o usuário pode usar para encontrar soluções quando os problemas aparecem. 
Em relação às abordagens anteriores para a integração de pacotes no campo Cryo-EM, o Appion31 é o único que permite a integração real de diferentes pacotes de software. No entanto, a Appion está fortemente conectada com leginon32, um sistema para coleta automatizada de imagens a partir de microscópios eletrônicos. A principal diferença com o Scipion é que o modelo de dados e o armazenamento são menos acoplados. Dessa forma, para criar um novo protocolo no Scipion, apenas um script Python precisa ser desenvolvido. No entanto, no Appion, o desenvolvedor deve escrever o script e alterar o banco de dados subjacente. Em resumo, o Scipion foi desenvolvido para simplificar a manutenção e a extensibilidade.
Apresentamos neste manuscrito um fluxo de trabalho completo para o processamento cryo-EM, utilizando o conjunto de dados de caso real do Plasmodium falciparum 80S Ribosome (entrada EMPIAR: 10028, entrada EMDB: 2660). As etapas aqui abordadas podem ser resumidas como alinhamento de filme, estimativa ctf, captação de partículas, classificação 2D, estimativa inicial do mapa, classificação 3D, refinamento 3D, avaliação e pós-processamento. Diferentes pacotes foram utilizados e ferramentas de consenso foram aplicadas em várias dessas etapas. O volume reconstruído 3D final alcançou uma resolução de 3 Å e, no volume pós-processado, algumas estruturas secundárias podem ser distinguidas, como as helices alfa, o que ajuda a descrever como os átomos são dispostos no espaço.
O fluxo de trabalho apresentado neste manuscrito mostra como o Scipion pode ser usado para combinar diferentes pacotes Cryo-EM de forma simples e integrativa para simplificar o processamento e obter resultados mais confiáveis ao mesmo tempo.
No futuro, o desenvolvimento de novos métodos e pacotes continuará crescendo e softwares como o Scipion para integrar facilmente todos eles serão ainda mais importantes para os pesquisadores. Abordagens de consenso serão mais relevantes mesmo assim, quando muitos métodos com bases diferentes estarão disponíveis, ajudando a obter estimativas mais precisas de todos os parâmetros envolvidos no processo de reconstrução no Cryo-EM. O rastreamento e a reprodutibilidade são fundamentais no processo de pesquisa e mais fáceis de alcançar com o Scipion, graças a ter uma estrutura comum para a execução de fluxos de trabalho completos.

Na microscopia crio-elétron (crio-EM), a análise de partículas únicas (SPA) de espécimes congelados vitrificados é uma das variantes mais utilizadas e bem sucedidas de imagem para macromoléculas biológicas, pois permite compreender as interações moleculares e a função dos conjuntos biológicos1. Isso se deve aos recentes avanços nesta técnica de imagem que deu origem à "revolução da resolução"2 e permitiram a determinação bem sucedida de estruturas biológicas 3D com resolução quase atômica. Atualmente, a maior resolução alcançada no SPA crio-EM foi de 1,15 Å para apoferritin3 (entrada EMDB: 11668). Esses avanços tecnológicos compreendem melhorias na preparação da amostra4, na aquisição de imagens5 e nos métodos de processamento de imagens6. Este artigo está focado neste último ponto.
Resumidamente, o objetivo dos métodos de processamento de imagens é identificar todos os parâmetros de aquisição para inverter o processo de imagem do microscópio e recuperar a estrutura 3D do espécime biológico em estudo. Esses parâmetros são o ganho da câmera, o movimento induzido pelo feixe, as aberrações do microscópio (principalmente o desfoco), a orientação angular 3D e a tradução de cada partícula, e o estado conformacional em caso de ter um espécime com alterações conformais. No entanto, o número de parâmetros é muito alto e o crio-EM requer o uso de imagens de baixa dose para evitar danos à radiação, o que reduz significativamente a Relação Sinal-Ruído (SNR) das imagens adquiridas. Assim, o problema não pode ser resolvido inequivocamente e todos os parâmetros a serem calculados só podem ser estimativas. Ao longo do fluxo de trabalho de processamento de imagem, devem ser identificados os parâmetros corretos, descartando os restantes para finalmente obter uma reconstrução 3D de alta resolução.
Os dados gerados pelo microscópio são coletados em quadros. Simplificando, um quadro contém o número de elétrons que chegaram a uma posição específica (pixel) na imagem, sempre que detectores de contagem de elétrons são usados. Em um determinado campo de visão, vários quadros são coletados e isso é chamado de filme. Como doses baixas de elétrons são usadas para evitar danos à radiação que poderiam destruir a amostra, o SNR é muito baixo e os quadros correspondentes ao mesmo filme precisam ser mediados para obter uma imagem revelando informações estruturais sobre a amostra. No entanto, não apenas uma média simples é aplicada, a amostra pode sofrer mudanças e outros tipos de movimentos durante o tempo de imagem devido ao movimento induzido pelo feixe que precisa ser compensado. Os quadros compensados e médios originários de um micrografo.
Uma vez obtidos os micrógrafos, precisamos estimar as aberrações introduzidas pelo microscópio para cada um deles, chamada Função de Transferência de Contraste (CTF), que representa as mudanças no contraste do micrógrafo em função da frequência. Em seguida, as partículas podem ser selecionadas e extraídas, o que é chamado de colheita de partículas. Cada partícula deve ser uma pequena imagem contendo apenas uma cópia do espécime em estudo. Existem três famílias de algoritmos para colheita de partículas: 1) as que só usam alguma parametrização básica da aparência da partícula para encontrá-las em todo o conjunto de micrografos (por exemplo, tamanho de partículas), 2) as que aprendem como as partículas se parecem com o usuário ou um conjunto pré-treinado, e 3) as que usam modelos de imagem. Cada família tem propriedades diferentes que serão mostradas mais tarde.
O conjunto extraído de partículas encontradas nos micrografos será usado em um processo de classificação 2D que tem dois objetivos: 1) limpar o conjunto de partículas descartando o subconjunto contendo imagens de ruído puro, partículas sobrepostas ou outros artefatos, e 2) as partículas médias que representam cada classe poderiam ser usadas como informações iniciais para calcular um volume inicial 3D. 
O cálculo inicial do volume 3D é o próximo passo crucial. O problema da obtenção da estrutura 3D pode ser visto como um problema de otimização em um cenário de solução multidimensional, onde o mínimo global é o melhor volume 3D que representa a estrutura original, mas vários minimas locais representando soluções subótimas podem ser encontradas, e onde é muito fácil ficar preso. O volume inicial representa o ponto de partida para o processo de busca, de modo que a estimativa de volume inicial ruim poderia nos impedir de encontrar o mínimo global. A partir do volume inicial, uma etapa de classificação 3D ajudará a descobrir diferentes estados conformacionais e a limpar novamente o conjunto de partículas; o objetivo é obter uma população estruturalmente homogênea de partículas. Depois disso, uma etapa de refinamento 3D será responsável por refinar os parâmetros angulares e de tradução de cada partícula para obter o melhor volume 3D possível. 
Finalmente, nas últimas etapas, a reconstrução 3D obtida pode ser afiada e polida. O afiação é um processo de aumentar as altas frequências do volume reconstruído, e o polimento é um passo para refinar ainda mais alguns parâmetros, como a compensação de movimento induzido pelo CTF ou pelo feixe, ao nível das partículas. Além disso, alguns procedimentos de validação poderiam ser utilizados para entender melhor a resolução alcançada no final do fluxo de trabalho. 
Após todas essas etapas, os processos de rastreamento e acoplamento7 ajudarão a dar um significado biológico à reconstrução 3D obtida, construindo modelos atômicos de novo ou adaptando modelos existentes. Se a alta resolução for alcançada, esses processos nos dirão as posições das estruturas biológicas, mesmo dos diferentes átomos, em nossa estrutura.
O Scipion8 permite criar todo o fluxo de trabalho combinando os pacotes de processamento de imagem mais relevantes de forma integrativa. Xmipp9, Relion10, CryoSPARC11, Eman12, Spider13, Cryolo14, Ctffind15, CCP416, Phenix17, e muitos outros pacotes podem ser incluídos no Scipion. Além disso, incorpora todas as ferramentas necessárias para beneficiar a integração, interoperabilidade, rastreabilidade e reprodutibilidade para fazer um acompanhamento completo de todo o fluxo de trabalho de processamento de imagem8.
Uma das ferramentas mais poderosas que o Scipion nos permite usar é o consenso, que significa comparar os resultados obtidos com vários métodos em uma etapa do processamento, fazendo uma combinação das informações transmitidas por diferentes métodos para gerar uma saída mais precisa. Isso poderia ajudar a aumentar o desempenho e melhorar a qualidade alcançada nos parâmetros estimados. Observe que um fluxo de trabalho mais simples pode ser construído sem o uso de métodos de consenso; no entanto, vimos o poder desta ferramenta22,25 e o fluxo de trabalho apresentado neste manuscrito irá usá-lo em várias etapas.
Todas as etapas que foram resumidas nos parágrafos anteriores serão explicadas detalhadamente na seção a seguir e combinadas em um fluxo de trabalho completo usando scipion. Além disso, será mostrado como usar as ferramentas de consenso para alcançar um acordo maior nas saídas geradas. Para isso, foi escolhido o conjunto de dados do Plasmodium falciparum 80S Ribosome (entrada EMPIAR: 10028, entrada EMDB: 2660). O conjunto de dados é formado por 600 filmes de 16 quadros de tamanho 4096x4096 pixels em um tamanho de pixel de 1.34Å tirado em um FEI POLARA 300 com uma câmera FEI FALCON II, com uma resolução relatada no EMDB é de 3.2Å18 .

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>no material is used in this article</td>
			<td>-</td>
			<td>-</td>
			<td>-</td>
		</tr>
	</tbody>
</table>

cryo-em and single-particle analysis with scipion

A microscopia crio-elétron tornou-se uma das ferramentas mais importantes na pesquisa biológica para revelar as informações estruturais das macromoléculas em resolução quase atômica. Na análise de partículas únicas, a amostra vitrificada é imagens por um feixe de elétrons e os detectores no final da coluna de microscópio produzem filmes dessa amostra. Estes filmes contêm milhares de imagens de partículas idênticas em orientações aleatórias. Os dados precisam passar por um fluxo de trabalho de processamento de imagem com várias etapas para obter o volume 3D reconstruído final. O objetivo do fluxo de trabalho de processamento de imagens é identificar os parâmetros de aquisição para poder reconstruir o espécime em estudo. O Scipion fornece todas as ferramentas para criar esse fluxo de trabalho usando vários pacotes de processamento de imagens em uma estrutura integrativa, permitindo também a rastreabilidade dos resultados. Neste artigo, todo o fluxo de trabalho de processamento de imagem no Scipion é apresentado e discutido com dados provenientes de um caso de teste real, dando todos os detalhes necessários para ir desde os filmes obtidos pelo microscópio até uma reconstrução 3D final de alta resolução. Além disso, discute-se o poder de usar ferramentas de consenso que permitam combinar métodos e confirmar resultados ao longo de cada etapa do fluxo de trabalho, melhorando a precisão dos resultados obtidos.

Watch this Scientific Journal Video about Cryo-EM and Single-Particle Analysis with Scipion at JoVE.com

Cryo-EM and Single-Particle Analysis with Scipion

A análise de partículas únicas na microscopia crio-elétron é uma das principais técnicas utilizadas para determinar a estrutura dos conjuntos biológicos em alta resolução. A Scipion fornece as ferramentas para criar todo o gasoduto para processar as informações adquiridas pelo microscópio e alcançar uma reconstrução 3D do espécime biológico.

Crio-EM e Análise de Partículas Únicas com Scipion

Cryo-electron microscopy has become one of the most important tools in biological research to reveal the structural information of macromolecules at ...

O Scipion fornece as ferramentas para criar todo o fluxo de trabalho de processamento de forma integrativa para uma única análise de partículas em crio-EM para obter uma reconstrução de alta resolução do espécime biológico. Essa estrutura permite criar o fluxo de trabalho de processamento usando vários pacotes de processamento de imagens, favorecendo a interoperabilidade, rastreabilidade, reprodutibilidade e a combinação de informações transmitidas por diferentes métodos para gerar uma saída mais precisa. O scipion está em constante crescimento, incluindo novos métodos e pacotes.Além disso, foi estendido à tomografia crio-elétron e à modelagem atômica, permitindo também criar fluxos de trabalho para processar esses dados. Para criar um projeto no Scipion, clique em Criar Projeto para criar o projeto. Para importar os filmes de microscópio, selecione Importar filmes.Uma nova janela aparecerá. Nesta janela, insira o caminho para os dados e ajuste a tensão do Microscópio para 300 quilovolts, a aberração esférica para dois milímetros, o contraste amplitude a 0,1, a taxa de ampliação para 50.000, o modo de taxa de amostragem para A imagem, e o tamanho do Pixel para 1,34 astromngs. Quando todos os parâmetros tiverem sido definidos, clique em Executar.Quando o método terminar, abra a guia Resumo clique em Analisar resultados. Uma nova janela aparecerá com uma lista das saídas geradas pelo método. Para executar o método de fluxo óptico para alinhamento de filme, abra o método de alinhamento óptico xmipp3 e selecione os filmes importados como os filmes de entrada e defina os Quadros para ALINHAR variam de 2 a 13.Em Parâmetros Adicionais, defina Usar o alinhamento de filme anterior para a opção quadros SUM para No.Deixar todas as outras opções definidas para seus valores padrão e executar o programa. Clique em Analisar resultados para verificar os micrografos obtidos e a trajetória dos turnos estimados. Para cada micrografo, é possível verificar a densidade espectral de potência, as trajetórias obtidas para alinhar o filme nas coordenadas cartesianas e polares, e o nome do arquivo do micrografo obtido.Observe que as partículas do espécime são muito mais visíveis no micrografo em comparação com um único quadro do filme. Para a colheita de partículas, abra o método de colheita manual xmipp3 e selecione os micrografos obtidos anteriormente como os micrografos de entrada. Clique em Executar.Uma nova janela interativa aparecerá. Nesta janela, altere o tamanho do pixel para 150. O micrografo selecionado aparecerá em uma janela maior.Escolha todas as partículas visíveis dentro de uma região. Quando todas as partículas tiverem sido escolhidas manualmente, clique em Ativar treinamento para iniciar o aprendizado. As demais regiões do micrografo serão automaticamente escolhidas.Verifique as partículas colhidas. Para incluir uma partícula adicional, clique em uma partícula de interesse. Para remover quaisquer partículas incorretas, segure Shift e clique nas partículas conforme necessário.Quando todas as partículas tiverem sido automaticamente colhidas, selecione os próximos quatro micrografos um de cada vez para criar um conjunto de treinamento representativo. As partículas em cada micrografo selecionado serão automaticamente colhidas, verificando cada micrografo para incluir ou remover partículas conforme necessário. Quando um conjunto de treinamento for adquirido, clique em Coordenadas para salvar as coordenadas de todas as partículas colhidas.Depois de adquirir o conjunto de treinamento, abra a configuração automática xmipp3 para indicar a escolha manual anterior na corrida de coleta de partículas Xmipp e defina Micrografos para escolher o mesmo como supervisionado. Clique em Executar para gerar um conjunto de cerca de 100.000 coordenadas. Para aplicar a abordagem de consenso, abra a colheita de criolo de torres e defina os micrografos pré-processados como os micrografos de entrada no modelo de escolha à padrão.Defina o limiar de confiança para 0,3 e o Tamanho da caixa para 150 e clique em Executar. O método também deve gerar cerca de 100.000 coordenadas. Em seguida, abra xmipp3 profundamente consenso e defina as coordenadas de entrada para incluir a saída do pináculo cryolo e xmipp3 auto-picking, o tipo de modelo Select para pré-treinado, e o treinamento Skip e pontuação diretamente com modelo pré-treinado para Yes, em seguida, clique em Executar.No final da execução, clique em Analisar resultados. Na nova janela, clique no ícone dos olhos. Uma segunda nova janela se abrirá com uma lista de todas as partículas.Os valores de pontuação Z na coluna darão uma visão da qualidade de cada partícula, pois um valor baixo é indicativo de uma má qualidade. Para ordenar as partículas da pontuação Z mais alta para a mais baixa, clique em Xmipp Z-score deep learning e selecione as partículas com uma pontuação Z superior a 0,75. Em seguida, clique em Coordenadas para criar um novo subconjunto com aproximadamente 50.000 coordenadas.Para calcular a resolução localmente, abra xmipp3 MonoRes locais e defina o volume de entrada para a saída da última etapa de refinamento, o Que você gostaria de usar metade dos volumes para Sim, e a Faixa de Resolução de 1 a 10 angstroms. Quando os parâmetros tiverem sido definidos, clique em Executar. Quando a resolução for calculada, clique em Analisar resultados e selecione Mostrar resolução histograma e mostrar fatias coloridas.A resolução nas diferentes partes do volume será mostrada. A maioria dos voxels das partes centrais das estruturas deve representar resoluções em torno de três angstroms, enquanto as piores resoluções serão observadas nas regiões externas das estruturas. Um histograma das resoluções por voxel com um pico em torno ou abaixo de três angstroms também será mostrado.Para aplicar um aguçamento, abra o afiação local xmipp3 localdeblur e selecione a saída da última etapa de refinamento como Mapa de Entrada e defina o mapa de resolução para o mapa Desarmes. Após a execução do comando, clique duas vezes no conjunto de volumes gerados como saída na guia Resumo. Os volumes gerados em cada iteração podem ser verificados.Também é recomendado abrir o volume com outras ferramentas, como a UCSF Quimera, para observar melhor as características do volume em 3D. Nesta figura, pode ser observada uma correlação de três angstroms, que está muito perto do limite de Nyquist. Como ilustrado, as fatias de volume 3D reconstruídas exibem um alto nível de detalhes e estruturas bem definidas.Após análise local, a maioria dos voxels centrais alcançam uma resolução abaixo de três angstroms. As regiões externas das fatias de resolução local demonstram uma resolução menor, no entanto, o que é consistente com o borrão observado dentro dessas áreas. Após o pós-processamento, as frequências mais altas do volume do mapa 3D podem ser observadas, revelando mais detalhes e melhorando a representação.Quando a resolução alcançada é alta o suficiente, até mesmo algumas das partes bioquímicas da estrutura podem ser observadas. Se a estrutura obtida tiver uma baixa resolução, e não for capaz de ser evoluída para uma melhor, pode-se observar um volume embaçado com uma baixa correlação de camada fourier, curva de resolução e histograma da estimativa local. Após a colheita, a classificação 2D pode ser verificada para avaliar a qualidade das partículas.Por exemplo, nesta classificação, as partículas são ruidosas, não centraladas ou acopladas, indicando que a colheita estava incorreta. Outro ponto de verificação pode ser realizado durante a estimativa inicial de volume. Neste exemplo, uma estimativa ruim foi criada usando uma configuração incorreta para o método.Uma vez que um mapa 3D com resolução suficiente é produzido, o próximo passo é propor um modelo atômico para o mapa. Isso pode ser feito dentro do Scipion usando os plugins de modelagem. Esta técnica pode ser usada para reconstruir com sucesso macromoléculas biológicas para avaliação de suas interações moleculares e função de conjunto biológico como base para o design de drogas.

Research

JoVE Journal

Biochemistry

High-resolution Single Particle Analysis from Electron Cryo-microscopy Images Using SPHIRE

Análise de uma única partícula de alta resolução a partir de imagens de crio-microscopia de elétrons usando SPHIRE

SPHIRE (SPARX for High-Resolution Electron Microscopy) is a novel open-source, user-friendly software suite for the semi-automated processing of single ...

Bioquímica

Analysis of Histone Antibody Specificity with Peptide Microarrays

Análise da especificidade de anticorpo com histona com microarrays de péptidos

Post-translational modifications (PTMs) on histone proteins are widely studied for their roles in regulating chromatin structure and gene expression. The ...

Expression and Purification of the Human Lipid-sensitive Cation Channel TRPC3 for Structural Determination by Single-particle Cryo-electron Microscopy

Expressão e purificação de TRPC3 os humanos sensíveis lipídico cação canal para determinação estrutural por microscopia de Single-particle Cryo-elétron

Transient receptor potential channels (TRPCs) of the canonical TRP subfamily are nonselective cation channels that play an essential role in calcium ...

Quantitative Analysis of the Cellular Lipidome of Saccharomyces Cerevisiae Using Liquid Chromatography Coupled with Tandem Mass Spectrometry

Quantitative Analysis of the Cellular Lipidome of Saccharomyces Cerevisiae Using Liquid Chromatography Coupled with Tandem Mass Spectrometry

Análise Quantitativa do Lipidome Celular de Saccharomyces Cerevisiae Usando Cromatografia Líquida Juntamente com Espectrometria de Massa de Tandem

Lipids are structurally diverse amphipathic molecules that are insoluble in water. Lipids are essential contributors to the organization and function of ...

Single Particle Cryo-Electron Microscopy: From Sample to Structure

Microscopia crio-elétron de partículas únicas: da amostra à estrutura

Cryo-electron microscopy (cryoEM) is a powerful technique for structure determination of macromolecular complexes, via single particle analysis (SPA). The ...

Manual Blot-and-Plunge Freezing of Biological Specimens for Single-Particle Cryogenic Electron Microscopy

Congelamento manual de amostras biológicas para microscopia eletrônica criogênica de partículas únicas

Imaging biological specimens with electrons for high-resolution structure determination by single-particle cryogenic electron microscopy (cryoEM) requires ...

Preparation of High-Temperature Sample Grids for Cryo-EM

Preparação de grades de amostras de alta temperatura para crio-EM

The sample grids for cryo-electron microscopy (cryo-EM) experiments are usually prepared at a temperature optimal for the storage of biological samples, ...

A Robust Single-Particle Cryo-Electron Microscopy (cryo-EM) Processing Workflow with cryoSPARC, RELION, and Scipion

A Robust Single-Particle Cryo-Electron Microscopy cryo-EM Processing Workflow with cryoSPARC, RELION, and Scipion

Um fluxo de trabalho robusto de crio-elétron de partículas únicas (crio-EM) com cryoSPARC, RELION e Scipion

Recent advances in both instrumentation and image processing software have made single-particle cryo-electron microscopy (cryo-EM) the preferred method ...

Routine Collection of High-Resolution cryo-EM Datasets Using 200 KV Transmission Electron Microscope

Coleta rotineira de conjuntos de dados crio-EM de alta resolução usando microscópio eletrônico de transmissão de 200 KV

Cryo-electron microscopy (cryo-EM) has been established as a routine method for protein structure determination during the past decade, taking an ...

The Peel-Blot Technique: A Cryo-EM Sample Preparation Method to Separate Single Layers From Multi-Layered or Concentrated Biological Samples

A Técnica Peel-Blot: Um Método de Preparação de Amostras Crio-EM para Separar Camadas Individuais de Amostras Biológicas Multicamadas ou Concentradas

The peel-blot cryo-EM grid preparation technique is a significantly modified back-injection method with the objective of achieving a reduction in layers ...