Author Spotlight: Optimizing Cryo-EM Analysis with CryoSieve for Enhanced Particle Selection Efficiency

Cryogene elektronenmicroscopie is essentieel voor het bepalen van bijna-atomaire structuren van biologische macromoleculen. Ondanks de afhankelijkheid van het gemiddelde van talloze beelden met een laag signaal-ruis, blijft het optimale aantal deeltjes dat nodig is voor een specifieke resolutie onbekend. Deze beperking belemmert de vooruitgang in de analyse van monsters en de bereidingsmethoden.

Om dit aan te pakken, introduceren we een iteratieve sorteermethode, CryoSieve. Standaard protocolselectie omvat tweedimensionale en driedimensionale classificatie, andere protocolsorteercriteria zoals de genormaliseerde kruiscorrelatiemethode, de benadering van hoekgrafiekconsistentie en de niet-uitlijningsclassificatie zijn momenteel in gebruik. Uitgebreide experimenten tonen aan dat CryoSieve beter presteert dan andere cryo-EM algoritmes voor het sorteren van deeltjes, waaruit blijkt dat de meeste deeltjes overbodig zijn in de uiteindelijke stapels.

De minderheid van de deeltjes die in de uiteindelijke stapels achterblijven, levert een amplitude met een zeer hoge resolutie op in reconstructieve dichtheidskaarten. Voor sommige datasets benadert de grootte van de fijnste subset de theoretische limiet. Bij cryo-EM belemmert de monstervoorbereiding de workflow.

Vanwege het ontbreken van standaardmetrieken voor protocolvergelijking, zou de verhouding tussen geselecteerde en verzamelde deeltjes als kwaliteitsmaatstaf kunnen dienen. Het onderzoeken van hun ruimtelijke en temporele verdeling kan ook de belangrijkste fysieke factoren in de effectiviteit van de voorbereiding aan het licht brengen.