Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Planung und Betrieb einer hauseigenen Kryo-Elektronenmikroskopie-Einrichtung mit IT-Infrastruktur und On-the-Fly-Datenverarbeitungspipelines

154 Aufrufe

⸱

DOI:

10.3791/71837

⸱

1. September 2026

 , 
1ITS-Technology Engineering, Information Technology Services, Physical & Biological Sciences Division, University of California-Santa Cruz, 2Biomolecular Cryo-Electron Microscopy Facility, University of California-Santa Cruz, 3Chemistry and Biochemistry Department, University of California-Santa Cruz

In diesem Artikel

Zusammenfassung

Dieses Protokoll bietet einen praktischen Rahmen für die Planung und den Betrieb der IT-Infrastruktur einer internen Kryogenen Elektronenmikroskopie (cryo-EM) Einrichtung. Es behandelt die Einrichtungsplanung, Netzwerkarchitektur, Datenspeicherung, GPU-Rechenleistung, Fernzugriff und die Echtzeit-Datenverarbeitung und ermöglicht so ein effizientes Management von mehreren Terabyte großen Datensätzen, während gleichzeitig skalierbare, nachhaltige und leistungsstarke cryo-EM-Abläufe gewährleistet werden.

Zusammenfassung

Die Kryoelektronenmikroskopie (Kryo-EM) hat sich zu einer führenden Methode für die hochauflösende Strukturbestimmung biologischer Makromoleküle entwickelt. Mit dem weltweiten Wachstum der Anzahl institutioneller Kryo-EM-Einrichtungen ist jedoch eine anhaltende Herausforderung aufgetreten: Die Dateninfrastruktur, die zum Betrieb dieser Einrichtungen erforderlich ist, wird regelmäßig unterschätzt. Moderne Kryo-EM-Geräte in Kombination mit direkten Elektronendetektoren (DEDs) erzeugen zwischen 2 und 5 TB Rohdaten pro Tag, und eine Einrichtung mit 20 Nutzern kann innerhalb eines einzigen Betriebsjahres etwa 2 PB Daten ansammeln. Die Verarbeitung dieser Daten erfordert dedizierte GPU-Recheneinheiten, Hochgeschwindigkeits-Netzwerkinfrastruktur und robuste Langzeitarchivierungsstrategien – all dies muss bereits vor Beginn der Datensammlung vorhanden sein. Dieses Protokoll stellt einen integrierten Rahmen für die IT- und Rechenarchitektur einer internen Kryo-EM-Einrichtung vor. Wir behandeln die Anforderungen an die bauliche Infrastruktur (Raumgestaltung, Stromversorgung, Kühlung und Vibrationsschutz), die Auswahl der Geräte (Mikroskope, DEDs und unterstützende Instrumente) sowie den gesamten Rechenstapel: Konfiguration der Netzwerk-Switches, Auswahl und Dimensionierung von Speicherservern, Bereitstellung von GPU-Recheneinheiten und Architektur für den Fernzugriff. Anschließend geben wir ein detailliertes Protokoll zur Implementierung von Echtzeit-Datenverarbeitungspipelines an – einschließlich Bewegungskorrektur, Schätzung der Kontrastübertragungsfunktion (CTF), Partikelidentifikation und 2D-Klassifizierung in Echtzeit während der Datensammlung – unter Verwendung etablierter Standardwerkzeuge. Auch Strategien zum Datentransfer für externe Nutzer werden erörtert. Dieser Leitfaden schließt eine entscheidende Lücke in der Literatur und ermöglicht es Forschern und Administratoren, Kryo-EM-Einrichtungen zu errichten, die von Tag eins an rechentechnisch voll einsatzfähig sind.

Einleitung

Die Kryo-EM-„Auflösungsrevolution“ hat die Strukturbiologie verändert und ermöglicht die Visualisierung von Proteinen, Nukleinsäuren und makromolekularen Komplexen auf atomarer Auflösung, ohne dass eine Kristallisation erforderlich ist1,2. Drei technische Fortschritte trieben diese Entwicklung voran: die Entwicklung von DEDs mit hohen Bildraten, Verbesserungen in der Elektronenoptik und Mikroskopmechanik sowie die Optimierung von GPU-beschleunigter Bildverarbeitungssoftware3,4,5,6. Gemeinsam haben diese Fortschritte Kryo-EM zur Methode der Wahl für eine wachsende Gemeinschaft strukturbiologischer Forscher gemacht.

Die Nachfrage nach Zugang zu Kryo-EM hat erhebliche Investitionen sowohl in große nationale Zentren als auch in kleinere institutionelle Einrichtungen ausgelöst. Nationale Zentren – wie NCCAT, S2C2, PNCC und MCCET in den USA sowie eBIC, NeCEN und SciLifeLab in Europa3,5,6 – bieten Zugang zu den leistungsfähigsten Geräten für bewilligte Projekte. Hauseigene Einrichtungen ergänzen diese Ressourcen, indem sie iteratives, projektspezifisches Forschungsvorhaben mit kürzeren Durchlaufzeiten und engerer Interaktion zwischen Nutzern und Personal unterstützen. Die Einrichtung einer funktionsfähigen hauseigenen Einrichtung erfordert jedoch weitaus mehr als nur den Kauf eines Mikroskops: die unterstützende IT-Infrastruktur ist ebenso entscheidend, und deren Unzulänglichkeit ist eine der Hauptursachen für Betriebsstörungen in neuen Einrichtungen6.

Eine einzelne Hochleistungssitzung der Kryo-EM kann innerhalb von 24 Stunden 2–5 TB an rohen Filmdaten erzeugen. Bei mehreren Mikroskopen und Nutzern erreicht die Datenlast rasch petabytegroße Dimensionen. Die Verarbeitung dieser Daten erfordert GPU-beschleunigte Pipelines, die gleichzeitig mit der Datenaufnahme betriebsbereit sein müssen7,8. Verzögerungen bei der Vorverarbeitung führen zu verzögertem Feedback zur Datenqualität und zu verschwendeter Gerätezeit. Trotz dieser Gegebenheiten widmen die meisten veröffentlichten Leitfäden zum Management von Kryo-EM-Einrichtungen den IT-Komponenten nur minimale Aufmerksamkeit, und keiner bietet ein schrittweises Betriebsprotokoll für den Aufbau und die Validierung einer vollständigen Dateninfrastruktur.

Dieses Protokoll schließt diese Lücke. Wir beschreiben die physikalischen und technischen Anforderungen für den Aufbau einer Einrichtung, die Auswahlkriterien für Mikroskope und Detektoren sowie – am wichtigsten – die Planung und Implementierung der IT-Infrastruktur, die eine betriebliche Durchführbarkeit einer Kryo-EM-Einrichtung ermöglicht6. Besonderes Augenmerk liegt auf der Echtzeit-Datenverarbeitung: der automatisierten, parallelen Vorverarbeitung der Daten während der Aufnahme, die eine Qualitätskontrolle in Echtzeit ermöglicht, Entscheidungen während der Datensammlung unterstützt und die Nachbearbeitungszeit nach einer Sitzung erheblich verkürzt9,10,11. Durch die Befolgung dieses Protokolls sind Entwickler von Einrichtungen in der Lage, einen vollständigen, integrierten Kryo-EM-Betrieb aufzubauen, der nachhaltig und effizient einer breiten wissenschaftlichen Gemeinschaft dient.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Einzelheiten zu den Geräten, Software und Materialien, die in diesem Protokoll verwendet werden, sind in der Tabelle der Materialien aufgeführt.

1. Planung der räumlichen Ausstattung, des Personals und der Infrastruktur

  1. Führen Sie eine Standortbeurteilung durch. Wählen Sie einen Gebäudestandort, der Folgendes bietet: einen vibrationsisolierten Boden (Umweltvibrationsniveaus, idealerweise < 1 µm/s Effektivwert bei 1–100 Hz); magnetische Feldstabilität (< 1 mG/m räumlicher Gradient und < 0,1 mG/m zeitliche Variation für 300-kV-Geräte); stabile Raumtemperatur (18–22 °C mit < 0,5 °C Schwankung); Feuchtigkeitskontrolle (40–60 % rel. Feuchte); und geringe akustische Geräusche (< 50 dB). Ziehen Sie die Standortanforderungen des Mikroskopherstellers frühzeitig in der Planungsphase heran.
    ANMERKUNG: Die Sanierung eines bestehenden Raums kann genauso teuer sein wie ein Neubau. Als Daumenregel sollten Sie ungefähr 20 % des Mikroskopkaufpreises für die Raumbereitung einplanen.
  2. Planen Sie die räumliche Anordnung der Einrichtung mit klarer Trennung der Funktionsbereiche: (a) Mikroskopieraum/-räume für kryogene Transmissions-Elektronenmikroskope (Cryo-TEMs); (b) einen Vorbereitungsraum für die Handhabung und Lagerung von Objekträgern; (c) einen Steuerungsraum mit Wasserkühlern, USV-Einheiten und Mikroskop-Kühlsystemen; und (d) einen separaten Serverraum oder Rechenzentrum für Speicher- und Recheneinrichtungen.
    ANMERKUNG: Der Steuerungsraum muss stets unter 26 °C gehalten werden, und es ist eine dedizierte Notstromversorgung und Kühlung bereitzustellen. Temperaturschwankungen im Steuerungsraum sind eine häufige Ursache für Ausfallzeiten des Mikroskops.
  3. Planen Sie die Stromversorgungsinfrastruktur. Installieren Sie dedizierte Dreiphasen-Stromkreise für hochwertige Cryo-TEMs. Schließen Sie alle Mikroskope, Kameras und Serversysteme an die vorgesehene geschützte Stromversorgung an. Koordinieren Sie mit dem technischen Betrieb der Institution die Einbindung eines Notstromgenerators, der den Betrieb des Mikroskops und den Kühlwasserfluss während Stromausfällen aufrechterhalten kann.
    ANMERKUNG: Mehrere Geräte in einer Cryo-EM-Einrichtung benötigen mehr als einen Tag, um einen sicheren Einschaltzyklus durchzuführen. Ungeplante Stromausfälle können empfindliche Leiterplatten beschädigen und aktive Datenaufnahmesitzungen gefährden.
  4. Installieren Sie Kühlwassersysteme für das Elektronenmikroskop und die zugehörige Hardware. Richten Sie einen Ersatz-Kühlwasserkreislauf mit automatischer Umschaltung ein. Überwachen Sie kontinuierlich Durchflussrate, Temperatur und Leitfähigkeit des Wassers mithilfe des integrierten Überwachungssystems des Mikroskops oder einer dedizierten Sensoranordnung.
  5. Verlegen Sie Glasfaserkabel von den Mikroskopierräumen zum Serverraum während der Bauphase oder Renovierung. Verwenden Sie mindestens OM4 Multimode- oder OS2 Singlemode-Glasfaser mit ausreichendem Zugentlastungsspiel und beschrifteten Patchfeldern an beiden Enden.
    ANMERKUNG: Die Vorinstallation von Glasfaser ist deutlich kostengünstiger als eine nachträgliche Nachrüstung.
  6. Bestimmen Sie dedizierte Mikroskopbediener oder Einrichtungswissenschaftler, die für die Wartung der Geräte, Benutzerschulungen, Terminplanung, Probenvorbereitungsoptimierung und Unterstützung bei der Datenaufnahme zuständig sind. Benennen Sie spezielle IT-Mitarbeiter, die für die Infrastruktur, Netzwerkleistung, Cybersicherheit, Datensicherung, Softwarebereitstellung, GPU-Rechenressourcen und Fernzugriff der Benutzer verantwortlich sind.
  7. Bestimmen Sie den Personalbedarf entsprechend dem Umfang der Benutzerunterstützung und der Komplexität der Recheninfrastruktur. In kleineren Einrichtungen, wie beispielsweise der UCSC Biomolecular cryo-EM Facility, können diese Aufgaben von einer leitenden Person mit IT-Know-how oder zentralen institutionellen IT-Diensten übernommen werden; mit steigender Zahl an Mikroskopen, Benutzern und jährlichen Datenaufnahmesitzungen werden jedoch spezialisierte Fachkräfte zunehmend notwendig.
  8. Stellen Sie eine dedizierte IT-Betreuung für Einrichtungen bereit, die mehrere Cryo-TEMs betreiben, um eine unterbrechungsfreie Datenaufnahme, effizientes Datenmanagement und skalierbare Rechenressourcen sicherzustellen. Investieren Sie frühzeitig in eine leistungsstarke IT-Infrastruktur und qualifiziertes Personal, um Betriebsausfallzeiten zu minimieren, eine zukünftige Erweiterung zu vereinfachen und ein nachhaltiges System zu schaffen, das wachsende Benutzergruppen und datenintensive Cryo-EM-Arbeitsabläufe unterstützen kann.

2. Auswahl von Mikroskop und Detektor

  1. Definieren Sie die primäre wissenschaftliche Aufgabe der Einrichtung, bevor Sie ein Mikroskop auswählen. Berücksichtigen Sie: (a) ob der primäre Arbeitsablauf aus Einzelpartikelanalyse (SPA), Kryo-Elektronentomographie (cryo-ET), Mikro-Elektronendiffraktion (microED) oder einer Kombination daraus bestehen wird; (b) die erwartete Größe der Nutzergruppe und die Vielfalt der Projekte; (c) Budgetbeschränkungen sowohl für die Anschaffung als auch für laufende Serviceverträge.
  2. Beurteilen Sie verfügbare Kryo-TEM-Plattformen entsprechend den geplanten Anwendungen. Für hochauflösende SPA und Subtomogramm-Mittelung (STA) ziehen Sie 300-kV-Instrumente in Betracht. Für Screening und Datenerfassung mittlerer Auflösung ziehen Sie 200-kV-Instrumente in Betracht. Für einen kostengünstigeren Einstieg mit Screening-Funktion bewerten Sie 100–120 kV (zusammengefasst in Tabelle 1).
    ANMERKUNG: Spezifikationsblätter ändern sich häufig. Fordern Sie stets aktuelle Konfigurationsdetails und Preise direkt beim Hersteller an, bevor Sie endgültige Geräteentscheidungen treffen.
  3. Wählen Sie einen DED, der zum Mikroskop und zur Anwendung passt. Für hochauflösende SPA an Geräten von Thermo Fisher Scientific (TFS) ist der Falcon 4i derzeit die primäre Option für die Krios- und Glacios-Serie.
  4. Für JEOL CryoARM-Geräte bietet der Gatan K3 eine hervorragende Empfindlichkeit und hohe Bildraten. Für Einrichtungen, die sowohl SPA als auch microED anstreben, bestätigen Sie die Kompatibilität des Detektors mit den Datenerfassungsmodi für Elektronendiffraktion (Tabelle 2).
    ANMERKUNG: Der DED ist eine der teuersten Komponenten der Einrichtung und beeinflusst maßgeblich die Datenqualität sowie die Anforderungen an die Datenspeicherung. Der Electron Event Register (EER)-Modus erzeugt beispielsweise deutlich größere Rohdateien als herkömmliche komprimierte Formate und erfordert entsprechend mehr Speicherplatz und Netzwerkbandbreite.
  5. Beurteilen Sie die Rolle eines Energiefilters bei der Auswahl der Kryo-EM-Gerätekonfiguration, da dieser die Bildqualität, die Detektorwahl und die Gesamtleistung des Systems erheblich beeinflussen kann. Durch die Entfernung inelastisch gestreuter Elektronen verbessern Energiefilter den Kontrast und das Signal-Rausch-Verhältnis, was besonders vorteilhaft für anspruchsvolle Proben, hochauflösende SPA (vorteilhaft), Kryo-ET (entscheidend) und microED (vorteilhaft) ist.
  6. Beurteilen Sie während der Geräteauswahl die verfügbaren Energiefiltersysteme. Gatan Bioquantum- und Biocontinuum- oder Thermo Fisher Scientific Selectris- und SelectrisX-Systeme kosten je nach Konfiguration typischerweise etwa 0,3–1,5 Mio. US-Dollar.
  7. Beurteilen Sie die zusätzlichen Kosten und die erhöhte Komplexität, die mit Energiefiltern in Kombination mit den Detektorfunktionen, den Zielen der Einrichtung und den erwarteten Anwendungen der Nutzer verbunden sind, bevor Sie die endgültige Gerätekonfiguration festlegen.
  8. Berücksichtigen Sie Serviceverträge bei der Berechnung der Gesamtanschaffungskosten. Serviceverträge decken in der Regel das Mikroskop, den Energiefilter, den Detektor und das Wasserkühlsystem ab.
  9. Verhandeln Sie die Bedingungen der Serviceverträge – einschließlich Garantien für Reaktionszeiten und Verfügbarkeit von Leihersatzteilen – zum Zeitpunkt des Gerätekaufs. Planen Sie jährlich 8–15 % des Gerätekaufpreises für den Serviceumfang ein.

3. Design und Implementierung der Netzwerkarchitektur

  1. Planen Sie das interne Facility-Netzwerk um einen zentralen Hochgeschwindigkeitsswitch herum. Schließen Sie alle datenerzeugenden und datenverbrauchenden Geräte direkt an diesen Switch mit der höchstmöglichen unterstützten Geschwindigkeit an: Mikroskop-Controller, Kamera-Controller (häufig ein separater Workstation), Speicher-Server und GPU-Compute-Knoten.
  2. Stellen Sie eine Mindestverbindung von 10 Gbps zu jedem Gerät bereit. Richten Sie 25 Gbps oder schnellere Uplinks zwischen dem Switch und den Speicher- sowie Compute-Knoten ein, soweit das Budget dies zulässt.
    HINWEIS: Bei 1 Gbps würde die Übertragung von 20 TB Rohdaten 2–3 Tage dauern. Bei 10 Gbps dauert dieselbe Übertragung 5–6 Stunden. Bei 25 Gbps dauert sie etwa 2 Stunden. Die Netzwerkgeschwindigkeit bestimmt unmittelbar, ob die Echtzeitverarbeitung mit der Datenaufnahme Schritt halten kann.
  3. Legen Sie die Spezifikationen für den Kern-Switch fest. Anforderungen: (a) nicht blockierende Switching-Matrix bei voller Leitungsrate; (b) ausreichend SFP+- oder QSFP-Ports für alle Facility-Geräte; (c) verwaltete Switch-Funktionalität (VLAN-Unterstützung, Traffic-Monitoring, Port-Mirroring für Diagnosen); (d) redundante Netzteile. Wählen Sie einen Managed-Switch der Enterprise-Klasse, der eine nicht blockierende Switching-Matrix, ausreichend Hochgeschwindigkeitsports, Traffic-Management-Funktionen und redundante Stromversorgung bietet.
  4. Segmentieren Sie das Netzwerk mithilfe von VLANs, um folgende Bereiche zu trennen: (a) das Datenaufnahme-VLAN (Mikroskop- und Kamera-Controller, Speicher-Server); (b) das Compute-VLAN (GPU-Workstations und Cluster-Knoten); (c) das Management-VLAN (Fernzugriff, Monitoring, Administration).
    HINWEIS: Die Netzwerksegmentierung reduziert Broadcast-Verkehr, verbessert die Sicherheit und ermöglicht die unabhängige Fehlersuche in jedem Subsystem.
  5. Verbinden Sie das Facility-Netzwerk über einen dedizierten Uplink-Port am Kern-Switch mit dem institutionellen WAN. Ein 1–10 Gbps Uplink zum Campus-Netzwerk reicht für Fernzugriff und externe Datentransfers aus.
  6. Koordinieren Sie mit der institutionellen IT die Bereitstellung statischer IP-Adressen, DNS-Einträge und geeigneter Firewall-Regeln für alle von der Facility zugänglichen Geräte (Abbildung 1).
  7. Installieren und beschriften Sie alle Netzwerkkabelstrecken. Verwenden Sie Direct-Attach-Kabel oder aktive optische Kabel für 10+ Gbps-Verbindungen bis 100 m (geschirmtes Cat6A funktioniert ebenfalls für 10 Gbps bis 100 m); verwenden Sie vorkonfektionierte Glasfaserkabel (LC-LC oder MTP) für 25+ Gbps-Verbindungen zwischen Racks.
  8. Dokumentieren Sie das vollständige Verkabelungskonzept mit einem Netzwerkdiagramm, das Gerätenamen, IP-Adressen, Portzuweisungen und VLAN-Zugehörigkeit angibt.
    HINWEIS: Siehe Abbildung 2 für ein Schema der empfohlenen minimalen Netzwerktopologie für eine kleine Kryo-EM-Facility.

4. Entwurf und Bereitstellung des Spezerservers

  1. Berechnen Sie die Speicheranforderungen, bevor Sie Hardware beschaffen. Als Grundlage: Eine einzelne Hochleistungs-Cryo-EM-Session erzeugt 2–5 TB Rohdaten pro Tag.
  2. Schätzen Sie die langfristigen Speicheranforderungen auf der Grundlage der erwarteten Nutzung der Einrichtung ab. Eine Einrichtung mit 20 Nutzern und zwei Mikroskopen kann innerhalb von 3–6 Monaten Betrieb etwa 2 PB Daten erzeugen. Planen Sie sowohl die Speicherung von Rohdaten (kurzfristig, hoher Durchsatz) als auch die von verarbeiteten Daten (mittelfristig, größeres Volumen), da verarbeitete Datensätze häufig 10–20-mal größer sind als die ursprünglichen Rohdaten.
  3. Wählen Sie eine robuste Speicherarchitektur. Standalone-Server auf Basis von ZFS sind für die meisten Einrichtungen der empfohlene Ausgangspunkt, da sie ein günstiges Preis-Kapazitäts-Verhältnis bieten, integrierte Datenintegritätsprüfung (Prüfsummen), flexible RAID-äquivalente Konfigurationen (RAIDZ, RAIDZ2) und Unterstützung für Snapshots. Geklammerte verteilte Dateisysteme (Gluster, Ceph, GPFS/IBM Spectrum Scale) können eine höhere Leistung und Skalierbarkeit bieten, erfordern jedoch mehrere physische Server und eine komplexere Administration.
  4. Konfigurieren Sie ZFS-Speicherpools. Empfohlene Startkonfiguration: zwei RAIDZ2-vdevs (jeweils bestehend aus 6–8 SAS-Festplatten mit hoher Kapazität, 16–20 TB je Festplatte), die etwa 60–70 % nutzbare Kapazität bieten und Schutz vor zwei gleichzeitigen Festplattenausfällen gewährleisten.
  5. Fügen Sie einen dedizierten SSD-Schreibcache (L2ARC) hinzu, bestehend aus 2–4 NVMe-SSDs, um die Leistung bei zufälligen Lesezugriffen für aktive Verarbeitungsaufgaben zu beschleunigen.
    HINWEIS: Verwenden Sie keine SATA-Laufwerke für den Verbrauchermarkt in produktiven Speicheranlagen. Für die anhaltenden zufälligen Ein-/Ausgabe-Muster von Cryo-EM-Workflows sind Enterprise-SAS- oder NL-SAS-Laufwerke mit angegebener Arbeitslastkapazität (z. B. 550 TB/Jahr) unerlässlich.
  6. Richten Sie NFS-Exports (für Linux-Clients) und SMB-Freigaben (für Windows-Clients) auf dem ZFS-Speicherserver ein. Hängen Sie die primäre Datenspeicherfreigabe an allen GPU-Rechenknoten und am Kamerasteuerungsarbeitsplatz ein, um direkten Datenzugriff ohne Zwischenspeicherung zu ermöglichen.
  7. Legen Sie eine Richtlinie für Datenspeicherung und Lebenszyklus fest. Definieren Sie: (a) Speicherdauer für Rohfilme (typischerweise 3–6 Monate nach Erfassung); (b) Speicherdauer für bewegungskorrigierte Mikrografien; (c) Speicherdauer für endgültige verarbeitete Datensätze (unbefristet bis zur Veröffentlichung); (d) Archivierungsverfahren für abgeschlossene Projekte.
  8. Richten Sie automatisierte Warnmeldungen ein, wenn die Speichernutzung 70 % der Kapazität überschreitet, um rechtzeitig zusätzlichen Speicher beschaffen zu können.
    HINWEIS: Der Speicher ist die am häufigsten unterschätzte Kostenposition bei der Planung einer Cryo-EM-Einrichtung. Verwechseln Sie nicht die Genehmigung zum Erwerb des Mikroskops mit ausreichender Finanzierung für den Speicher. Die Beschaffung von Speicher muss parallel zur Installation des Instruments erfolgen, nicht erst nach Beginn der Datenerfassung.

5. GPU-Recheninfrastruktur

  1. Bestimmen Sie die Rechenanforderungen basierend auf dem erwarteten Durchsatz. Für ein einzelnes Mikroskop, das 3.000–5.000 Mikroaufnahmen pro 24-Stunden-Session erzeugt, sind mindestens zwei Rechenknoten erforderlich, von denen jeder mit 4x NVIDIA-Grafikkarten (Maxwell oder neuer, 11+ GB VRAM, z. B. RTX 3090, RTX 4090 oder A100) ausgestattet ist, um die Vorverarbeitung während der Datenaufnahme in Echtzeit aufrechterhalten zu können.
  2. Für größere Einrichtungen oder Cryo-ET-Arbeitsabläufe mit hohem Tilt-Serie-Volumen zusätzliche Knoten bereitstellen.
  3. Legen Sie die Hardware der GPU-Rechenknoten fest. Jeder Knoten sollte Folgendes enthalten: (a) 4x NVIDIA-GPUs mit CUDA-Unterstützung (mindestens 24 GB VRAM pro GPU für CryoSPARC- und RELION-3D-Verfeinerungen); (b) eine CPU mit hoher Kernanzahl (AMD EPYC oder Intel Xeon, ≥32 Kerne), um parallele, CPU-intensive Schritte (CTF-Schätzung, Datei-Ein-/Ausgabe) zu unterstützen; (c) ≥256 GB System-Arbeitsspeicher; (d) 2–4 TB NVMe-SSD-lokalen Zwischenspeicher für aktive Job-Zwischenergebnisse; (e) eine 10/25-Gbps-Netzwerkkarten-Schnittstelle (NIC); (f) ausreichend lokalen Speicher für Arbeitsdatensätze (typischerweise ein RAID-Volume). HINWEIS: GPUs für den Consumer-Markt (RTX 4090) können bei deutlich geringeren Kosten eine vergleichbare Leistung wie Enterprise-GPUs (A100) für Cryo-EM-Arbeitslasten bieten. Bewerten Sie spezifische Benchmarks für CryoSPARC und RELION, da deren Speicherzugriffsmuster GPUs mit hohem Speicherbandbreite bevorzugen.
  4. Installieren Sie den NVIDIA-Treiber-Stack, das CUDA-Toolkit (in einer mit CryoSPARC und RELION kompatiblen Version) und cuDNN auf jedem Rechenknoten. Verwenden Sie ein Konfigurationsverwaltungswerkzeug, um die Softwareumgebungen auf allen Knoten zu standardisieren und zukünftige Aktualisierungen zu vereinfachen.
  5. Stellen Sie CryoSPARC in einer Standalone- oder Cluster-Konfiguration bereit. Für eine Mehrknoten-Einrichtung installieren Sie CryoSPARC-Master auf einem dedizierten Head-Knoten und CryoSPARC-Worker auf jedem GPU-Rechenknoten.
  6. Konfigurieren Sie die Jobplanung, sodass mehrere Benutzer gleichzeitig verarbeitende Aufträge einreichen können. Befolgen Sie die offizielle CryoSPARC-Architekturdokumentation bezüglich der Mindestsystemanforderungen und der Netzwerkkonfiguration.
  7. Installieren Sie RELION neben der primären Verarbeitungsplattform, um den Benutzern beide Verarbeitungsumgebungen zur Verfügung zu stellen. Konfigurieren Sie die Software so, dass sie die lokalen Rechenknoten über einen Scheduler (SLURM oder PBS/Torque) nutzt.
  8. Installieren Sie Zusatztools: MotionCor2 (Bewegungskorrektur), CTFFIND4 und Gctf (CTF-Schätzung), TOPAZ (partikelbasierte Auswahl mittels maschinellem Lernen), crYOLO (Neuronal-Netzwerk-basierte Partikelauswahl) und cryoDRGN (Heterogenitätsanalyse). Siehe Tabelle 3 für einen Überblick über die verfügbaren Softwarepakete für SPA, Cryo-ET, STA und MicroED. 
  9. Verwenden Sie die SBGrid-Konsortium-Bereitstellung oder containerbasiertes Software-Management (Singularity/Apptainer für HPC-Umgebungen; Docker für Workstations), um reproduzierbare, versionskontrollierte Softwareumgebungen zu gewährleisten.
    HINWEIS: SBGrid stellt vorkompilierte, validierte Versionen aller gängigen Cryo-EM-Softwaretools bereit, einschließlich automatisiertem Update-Management für akademische Einrichtungen.

6. Infrastruktur für den Fernzugriff

  1. Richten Sie den VPN-basierten Remote-Zugriff als primären sicheren Zugangspunkt für alle externen Benutzer und Mitarbeiter ein. Arbeiten Sie mit der institutionellen IT zusammen, um ein standortspezifisches VPN-Profil oder einen Tunnel bereitzustellen, der Zugriff auf das Rechen- und Speichernetzwerk der Einrichtung ermöglicht, ohne die Geräte dem öffentlichen Internet auszusetzen.
  2. Führen Sie eine zweistufige Authentifizierung (2FA) an allen Remote-Zugangspunkten ein (Abbildung 2).
  3. Setzen Sie Remote-Desktop-Software für den grafischen Zugriff auf Mikroskopsteuerungen und GPU-Arbeitsstationen ein. Empfohlene Optionen: (a) TeamViewer (kommerziell, plattformübergreifend, NAT-Überwindung – geeignet für den Zugriff auf Mikroskopsteuerungen); (b) NoMachine (kommerziell, plattformübergreifend, unterstützt OpenGL-3D-Grafik-Weiterleitung – empfohlen für GPU-Arbeitsstationen mit Visualisierungstools); (c) TurboVNC mit VirtualGL (Open-Source, nur Linux, unterstützt Remote-3D-Rendering).
    HINWEIS: Viele Cryo-EM-Visualisierungstools nutzen OpenGL für die 3D-Darstellung. Die Standard-X11-Weiterleitung unterstützt keine hardwarebeschleunigte OpenGL-Nutzung. Verwenden Sie NoMachine oder VirtualGL/TurboVNC für diese Anwendungen.
  4. Konfigurieren Sie den Remote-Zugriff auf die Software zur Datenaufnahme am Mikroskop. Nutzen Sie Leginon oder SerialEM für den Fernbetrieb über das institutionelle VPN. Auf die Datenaufnahmesoftware des Mikroskops kann über eine zugelassene Remote-Desktop-Anwendung zugegriffen werden.
  5. Testen Sie die Remote-Verbindungen von repräsentativen externen Standorten (Heimnetzwerke, kooperierende Institutionen) aus, bevor der reguläre Benutzerbetrieb aufgenommen wird (Tabelle 4).
  6. Richten Sie ein webbasiertes Überwachungsdashboard für die Einrichtung ein, das es Mitarbeitern und Benutzern ermöglicht, den Status der Datensammlung, Vorverarbeitungsergebnisse, Speicherauslastung und Warteschlangenstatus der Rechenressourcen aus der Ferne zu überwachen. Leginon bietet eine integrierte Web-Überwachungsschnittstelle.
  7. Konfigurieren Sie für den CryoSPARC-Arbeitsablauf Grafana oder ein benutzerdefiniertes Web-Dashboard, das mit Daten aus Pipeline-Protokollen sowie Systemüberwachungstools (Prometheus, node_exporter) versorgt wird.
  8. Legen Sie einen Mechanismus zur Datenübergabe für externe Benutzer fest. Richten Sie auf dem Speicher der Einrichtung einen authentifizierten Datentransferdienst wie Globus Connect Server ein.
  9. Für Benutzer ohne Globus-Zugang bereiten Sie Verfahren zur Versendung von USB-Festplatten mit dokumentierten Prüfsummen vor. Eine Internetanbindung mit 10 Gbps Uploadgeschwindigkeit ist notwendig, um externen Benutzern den praktikablen direkten Download von mehreren Terabyte großen Datensätzen zu ermöglichen.

7. Workflow zur Datenverarbeitung in Echtzeit: Implementierung

  1. Konfigurieren Sie den Datenflusspfad vor jeder Datensammlungssitzung. Stellen Sie sicher, dass: (a) der Kameracontroller Rohaufnahmen direkt auf den NFS-gemounteten Hochleistungsspeicher der Einrichtung schreibt; (b) das NFS-Share auf allen GPU-Rechennodes gemountet und zugänglich ist; (c) ausreichend freier Speicherplatz für die geplante Sitzung vorhanden ist (mindestens 5 TB frei für eine 24-Stunden-SPA-Sitzung); (d) die GPU-Rechennodes verfügbar sind und keine langlaufenden Jobs um Ressourcen konkurrieren.
  2. Richten Sie eine Gain-Referenzkorrektur ein. Erstellen Sie vor jeder Sitzung ein Gain-Referenzbild gemäß den Angaben des Detektorherstellers (typischerweise eine Belichtung mit leerem Strahl auf einem leeren Gitterbereich).
  3. Platzieren Sie die Gain-Referenzdatei im vorgesehenen Verzeichnis für die Vorverarbeitung. Alle Bewegungskorrektur-Software (MotionCor2, die eigene Implementierung in RELION) wendet diese Referenz automatisch an, wenn sie korrekt konfiguriert ist.
  4. Starten Sie die Echtzeit-Vorverarbeitungspipeline mit CryoSPARC-Live (bevorzugt für die Echtzeitvisualisierung). Die Pipeline sollte gestartet werden, sobald die ersten Filme im Ausgabeverzeichnis erscheinen – typischerweise innerhalb der ersten 5–10 Minuten der automatischen Datensammlung.
    HINWEIS: CryoSPARC-Live überwacht kontinuierlich ein vorgegebenes Verzeichnis auf neue Filmdateien und verarbeitet diese, sobald sie eintreffen. Der entscheidende Unterschied besteht darin, dass CryoSPARC-Live eine interaktive Web-Schnittstelle in Echtzeit zur Überwachung bereitstellt.
  5. CryoSPARC-Live-Arbeitsablauf
    1. Navigieren Sie in der Weboberfläche zu einem neuen oder bestehenden Projekt und erstellen Sie eine neue Live-Sitzung11,36.
    2. Konfigurieren Sie die Eingabequelle: geben Sie den Verzeichnispfad an, auf den der Kameracontroller schreibt (der „Beobachtungsordner“), das Dateimuster, das den Rohfilmen entspricht (z. B. *.tif, *.mrc oder *.eer für EER-Format Falcon 4i-Daten), sowie den Pfad zur Gain-Referenzdatei.
    3. Legen Sie die Parameter für die Bewegungskorrektur fest: Anzahl der zu verwendenden Einzelbilder, bewegungsbasierte Korrektur pro Bildbereich (empfohlen: 5×5-Bereiche), Ausgabebinning-Faktor (typischerweise 1 für Datensammlung nahe der Nyquist-Frequenz; 2 für die erste Sichtung) und Elektronendosis pro Einzelbild (berechnet aus Gesamtdosis und Anzahl der Einzelbilder).
    4. Legen Sie die Parameter für die CTF-Schätzung fest: minimale und maximale Auflösung für die Anpassung (typischerweise 30 Å und 4 Å), Suchbereich für Defokus (0,5–5 µm empfohlen für SPA) und maximale akzeptable Astigmatismus. Aktivieren Sie die CTF-Schätzung pro Kippserie für Kryo-ET-Datensätze.
    5. Konfigurieren Sie die Partikelauswahl: wählen Sie die Auswahlmethode (Blob-Auswahl für Anfangssitzungen; Template-Auswahl, sobald die ersten guten 2D-Klassen verfügbar sind; TOPAZ-Auswahl für schwierige Proben). Legen Sie den erwarteten Partikeldurchmesser sowie minimale und maximale Partikelabstände fest.
    6. Um den Speicherbedarf, die Datenübertragungsbelastung und die Rechenkosten erheblich zu reduzieren, wird empfohlen, während der Partikel-Extraktion eine Fourier-Verkleinerung um den Faktor 4 durchzuführen (was einer vierfachen physikalischen Pixelgröße entspricht). Für die routinemäßige Beurteilung der Datenqualität sind mittlere Auflösungen von 3–5 Å während der Echtzeitverarbeitung typischerweise ausreichend.
    7. Aktivieren Sie die 2D-Klassifizierung innerhalb der Live-Sitzung. Legen Sie die Anzahl der 2D-Klassen (typischerweise 50–200), die Stapelgröße für inkrementelle Aktualisierungen (200–500 Partikel) und die Auflösungsgrenze für die Klassifizierung (6–8 Å für die erste Beurteilung) fest.
    8. Starten Sie die Live-Sitzung. Überwachen Sie das Echtzeit-Dashboard hinsichtlich: Anzahl und Rate eingehender Filme, Qualität der Bewegungskorrektur (gesamte Bewegung pro Film – verwerfen Sie Filme mit einer Gesamtbewegung von >30 Å als Daumenregel), Qualität der CTF-Anpassung (verwerfen Sie Mikrographien mit einer CTF-Anpassungsauflösung >6–8 Å), Partikelausbeute pro Mikrographie und sich entwickelnder Qualität der 2D-Klassenmittel.
    9. Legen Sie Annahmeschwellen für die automatisierte Sichtung fest. Definieren Sie im Filterbereich Kriterien für die Ablehnung von Bewegungsartefakten (Grenzwert für Gesamtbewegung), CTF-Qualität (Grenzwert für Anpassungsauflösung) und Defokusbereich (ausschließen von stark unter- oder überfokussierten Mikrographien). Kuratierte Partikel werden automatisch an den nachfolgenden 2D-Klassifizierungsjob weitergeleitet.

8. Echtzeit-Qualitätskontrolle und Feedback während der Datenerfassung

  1. Überwachen Sie die CTF-Statistiken kontinuierlich während der gesamten Sitzung. Zeichnen Sie die Defokussierwerte für jedes Mikrograf: Die Verteilung sollte innerhalb des vorgesehenen Defokussierbereichs liegen (typischerweise −0,5 bis −3,0 µm für SPA).
  2. Ein systematischer Drift zu höheren Defokussierwerten kann auf einen Probentischdrift oder eine falsche Einstellung der euzentrischen Höhe hindeuten. Benachrichtigen Sie das Facility-Personal unverzüglich, wenn die CTF-Anpassungsauflösung unter 6 Å fällt, da dies typischerweise auf Eiskontamination, Strahlinstabilität oder einen Fokusdrift hinweist, der eingegriffen erfordert.
  3. Überwachen Sie die Ergebnisse der Bewegungskorrektur. Die gesamte Bewegung innerhalb der Einzelbilder pro Film sollte bei hochwertigen Daten unter 10–30 Å liegen. Hohe Bewegung in den frühen Einzelbildern ist erwartet und wird korrigiert; jedoch kann anhaltend hohe Bewegung über den gesamten Film (>40 Å insgesamt) auf eine Instabilität des mechanischen Tisches oder auf Ladungseffekte der Probe hindeuten und sollte untersucht werden.
  4. Prüfen Sie die 2D-Klassendurchschnitte, während sie während der Sitzung aktualisiert werden (alle 30–60 Minuten). Hinweise auf einen Datensatz hoher Qualität: Klassendurchschnitte, die sekundäre Strukturmerkmale zeigen, mehrere unterschiedliche Ansichten des Partikels aufweisen und keine Artefakte durch Stapeln oder Aggregation aufweisen.
  5. Beobachten Sie Hinweise, die ein Eingreifen erfordern: Alle Partikel sortieren sich in strukturlose „Müll“-Klassen ein (was auf eine schlechte Probe oder Eisqualität hindeutet), bestimmte Ansichten fehlen vollständig (was auf bevorzugte Orientierung hindeutet – möglicherweise ist eine Optimierung des Gitters erforderlich) oder extrem geringe Partikelausbeute pro Mikrograf.
  6. Dokumentieren Sie alle Beobachtungen in einem strukturierten Sitzungsprotokoll. Erfassen Sie: Start- und Endzeiten der Sitzung, Einstellungen von Mikroskop und Kamera, eine Zusammenfassung der Echtzeit-Statistiken (Gesamtanzahl der aufgenommenen Filme, Anteil, der den CTF-Filter passiert, Anteil, der den Bewegungsfilter passiert, Gesamtanzahl der ausgewählten Partikel, Bewertung der 2D-Klassen), sowie alle vorgenommenen Eingriffe. Dieses Protokoll ist unerlässlich für die retrospektive Qualitätsbewertung und die Berichterstattung zur Leistung der Facility.
  7. Erstellen Sie am Ende der Sitzung einen zusammenfassenden Bericht zur Datenqualität. Die Echtzeit-Verarbeitungsplattform exportiert automatisch eine Sitzungszusammenfassung.
    HINWEIS: Eine weitere Möglichkeit zur Erstellung von Zusammenfassungen und Berichten besteht in der Nutzung von KI-Tools wie Vitreum. In der UCSC Biomolecular Cryo-EM Facility wird die Vitreum-Plattform zur Verwaltung von Laborabläufen und experimentellen Dokumentationen eingesetzt. Vitreum erfasst experimentelle Schritte, während sie durchgeführt werden, erzwingt protokollbasierte Einschränkungen, überprüft die Durchführung der Arbeitsabläufe anhand vordefinierter Qualitätskriterien und liefert eine nachvollziehbare Aufzeichnung der Laboraktivitäten. Durch die Integration der Laborabläufe mit der rechnerischen und datenverwaltungstechnischen Infrastruktur der Facility minimiert die Plattform manuelle Dokumentation, verbessert die Reproduzierbarkeit, erleichtert die Kommunikation zwischen Facility-Personal und Nutzern und ermöglicht eine konsistente Verfolgung von Experimenten von der Probenvorbereitung über die Datenaufnahme bis hin zur nachgelagerten rechnergestützten Analyse.

9. Datenverarbeitungspipeline nach der Probensammlung

  1. Nach Abschluss der On-the-Fly-Verarbeitung wird der kuratierte, binierte Partikel-Stack zusammen mit den kuratierten, vorverarbeiteten Filmen exportiert.
  2. Trennen Sie das CryoSPARC-Projekt vom Hauptarbeitsplatz und hängen Sie es anschließend an einen anderen, gemeinsam genutzten und remote zugänglichen Arbeitsplatz an. Dadurch wird eine schnelle Abladung und Umschaltung ermöglicht, um die nächste Datenaufnahme zu starten.
    HINWEIS: Eine typische Datensammlung kann zwischen 1–2 Tagen variieren und lässt sich problemlos mit CryoSPARC-Live überwachen. Die 3D-Verarbeitungsschritte können jedoch Wochen oder Monate in Anspruch nehmen, was die Übertragung des Projekts zwischen Arbeitsplätzen und Speicherservern rechtfertigt.
  3. Exportieren Sie im CryoSPARC die kuratierten, binierten Partikel aus der Live-Sitzung in ein Standardprojekt zur Offline-3D-Verarbeitung36. 
  4. Führen Sie eine ab-initio-3D-Rekonstruktion durch. Verwenden Sie in CryoSPARC den Ab-Initio-Rekonstruktionsjob (3–5 Anfangsmodelle empfohlen bei heterogenen Proben). Erzeugen Sie 1–4 Anfangsmodelle, um die strukturelle Heterogenität zu bewerten.
  5. Wenn die rekonstruierten Werte zufriedenstellend sind, extrahieren Sie die nicht-binierten Partikel erneut, um die Gesamtauflösung zu verbessern.
  6. Führen Sie die 3D-Verfeinerung durch, gegebenenfalls unter Verwendung der heterogenen Verfeinerung (falls mehrere Konformationen oder Klassen vermutet werden), gefolgt von der homogenen Verfeinerung für die beste Klasse. Verwenden Sie in CryoSPARC die heterogene Verfeinerung, gefolgt von der nicht-uniformen Verfeinerung. 
  7. Wenden Sie die Bayessche Polierung in RELION13 an, oder nutzen Sie die bewegungskorrigierte Einzelpartikel-CTF-Verfeinerung (CryoSPARC: CTF-Verfeinerungsjob), um das Signal pro Partikel zu verbessern, indem strahlungsinduzierte Bewegung und partikelspezifische Defokussierung berücksichtigt werden – je nach Präferenz des Benutzers. Dieser Schritt verbessert die endgültige Kartenauflösung regelmäßig um 0,2–0,5 Å. Zusätzlich kann die referenzbasierte Bewegungskorrektur (RBMC) in CryoSPARC eine Option zur Verbesserung der Auflösung und Kartenqualität darstellen.
  8. Validieren Sie die endgültige Karte mithilfe des Gold-Standard-Fourier-Shell-Korrelationsverfahrens (FSC). Teilen Sie den Partikel-Stack in zwei unabhängige Halbsätze auf, verfeinern Sie diese separat und berechnen Sie die FSC zwischen den beiden Halbkarten. Geben Sie die endgültige Auflösung bei FSC = 0,143 an.
  9. Berechnen Sie die Karten-zu-Modell-FSC (FSC-Q) und Q-Scores nach dem Anpassen des atomaren Modells als unabhängige Validierungsmetriken37.
  10. Führen Sie den Aufbau und die Validierung des atomaren Modells durch. Verwenden Sie ModelAngelo für den automatisierten, de-novo-Modellaufbau basierend auf der Dichtekarte20. Verfeinern Sie das Modell mittels PHENIX-Realraum-Verfeinerung und validieren Sie es mit MolProbity.
  11. Verwenden Sie COOT35, nachdem das Anfangsmodell erstellt wurde, um die Dichtekarte zu visualisieren, atomare Koordinaten anzupassen oder zu korrigieren, Modellierungsfehler zu beheben, fehlende Bereiche aufzubauen und Protein-, Nukleinsäure- oder Ligandstrukturen zu optimieren. Dies ermöglicht die interaktive Bearbeitung von Resten, Seitenkettenkonformationen, Sekundärstrukturen und Sequenzzuweisungen, gefolgt von einer Realraum-Verfeinerung zur Verbesserung der Übereinstimmung zwischen atomarem Modell und experimenteller Dichte.
  12. Deposieren Sie abschließend das endgültige atomare Modell in der Protein Data Bank (PDB), die Dichtekarte in der Electron Microscopy Data Bank (EMDB) sowie die Roh- oder Vorverarbeitungsdaten im Electron Microscopy Public Image Archive (EMPIAR).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

A successfully implemented facility IT infrastructure and on-the-fly data processing pipeline will produce the following verifiable outcomes at each stage:

Network and storage
Internal data transfer between the camera controller and storage server should sustain ≥800 MB/s (approaching theoretical 10 Gbps throughput) when measured with tools such as iperf3 or fio. This throughput is sufficient to transfer a 10–12 GB movie stack from the detector in under 15 seconds, ensurin...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Die IT-Infrastruktur einer Kryo-EM-Anlage ist kein unterstützender Nachgedanke, sondern eine betriebliche Voraussetzung. Einrichtungen, die mit der Datenerfassung beginnen, ohne über ausreichende Speicher-, Netzwerk- und Rechenkapazitäten zu verfügen, stehen unweigerlich vor der Wahl, Rohdaten zu verwerfen, die Datenerfassung zu stoppen oder monatelange Verzögerungen bei der Strukturaufklärung hinzunehmen. Die hier beschriebenen Protokolle sollen diese Szenarien verhindern, indem sichergestellt wird, dass die rechnerisch...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären, dass kein Interessenkonflikt besteht.

Danksagungen

Die Autoren danken der Biomolekularen Kryo-Elektronenmikroskopie-Einrichtung am Department für Chemie und Biochemie der University of California–Santa Cruz (RRID: SCR_021755) für wissenschaftliche und technische Unterstützung (NIH High-End Instrumentation-Programm, S10OD02509).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Krios 5ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-5-cryo-tem.htmlTransmissionselektronenmikroskop
Krios G4ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-g4-cryo-tem.htmlTransmissionselektronenmikroskop
GlaciosThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-cryo-tem.htmlTransmissionselektronenmikroskop
Glacios 2ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-2-cryo-tem.htmlTransmissionselektronenmikroskop
Glacios 3ThermoFisher Scientifichttps://www.thermofisher.com/ (neueste Generation; Produktseite kann je nach Region variieren)Transmissionselektronenmikroskop
Talos ArcticaThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-arctica.htmlTransmissionselektronenmikroskop
Talos L120CThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-l120c.htmlTransmissionselektronenmikroskop
CRYO ARM 300 II (JEM-Z300FSC)JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm300ii.phpTransmissionselektronenmikroskop
CRYO ARM 200JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm200.phpTransmissionselektronenmikroskop
JEM-3200FSCJEOLhttps://www.jeol.com/products/scientific/tem/jem3200fsc.phpTransmissionselektronenmikroskop
HF8300Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/hf8300.htmlTransmissionselektronenmikroskop
HT7800Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/ht7800.htmlTransmissionselektronenmikroskop
SU9000 (TEM/STEM)Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/sem-tem/su9000.htmlTransmissionselektronenmikroskop
Falcon 4iThermo Fisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/direct-electron-detectors/falcon-4i.htmlDirekter Elektronendetektor
Gatan K3Gatan (AMETEK)https://gatan.com/products/tem-cameras/k3-is-cameraDirekter Elektronendetektor
Gatan K2Gatanhttps://gatan.com/products/tem-cameras/k2-cameraDirekter Elektronendetektor
ApolloDirect Electronhttps://directelectron.com/apollo/Direkter Elektronendetektor
DE64Direct Electronhttps://directelectron.com/de-64/Direkter Elektronendetektor
RELIONMRC-Labor für Molekularbiologie (MRC-LMB), Universität Cambridgehttps://relion.readthedocs.ioSPA-Softwarepaket
cryoSPARCStructura Biotechnologyhttps://cryosparc.comSPA-Softwarepaket
EMAN2Baylor College of Medicine (entwickelt vom Steven Ludtke Labor)https://blake.bcm.edu/emanwiki/EMAN2SPA-Softwarepaket
cisTEMNational Research Council Canada (entwickelt von Tim Grant und Kollegen)https://cistem.orgSPA-Softwarepaket
SPHIREMax-Planck-Institut für molekulare Physiologie und Baylor College of Medicinehttps://sphire.mpg.deSPA-Softwarepaket
cryoDRGNPrinceton University (entwickelt vom Ellen Zhong Labor)https://cryodrgn.cs.princeton.eduSPA-Softwarepaket
TopazHarvard Medical School (entwickelt vom Travis Bepler Labor)https://github.com/tbepler/topazSPA-Softwarepaket
crYOLOMax-Planck-Institut für Biophysikhttps://cryolo.readthedocs.ioSPA-Softwarepaket
WarpMRC-Labor für Molekularbiologie (entwickelt von Dmitry Tegunov)http://www.warpem.comSoftwarepaket für cryo-ET und STA
ModelAngeloMRC-Labor für Molekularbiologiehttps://www.modelangelo.orgSoftwarepaket für cryo-ET und STA
IMODUniversity of Colorado Boulderhttps://bio3d.colorado.edu/imodSoftwarepaket für cryo-ET und STA
DynamoCentro Nacional de Biotecnología (CNB-CSIC)https://www.dynamo-em.orgSoftwarepaket für cryo-ET und STA
emClarityUniversity of California, San Franciscohttps://github.com/StochasticAnalytics/emClaritySoftwarepaket für cryo-ET und STA
RELION (ET-Modul)MRC-Labor für Molekularbiologie (MRC-LMB), Universität Cambridgehttps://relion.readthedocs.ioSoftwarepaket für cryo-ET und STA
EMAN2 (SPT)Baylor College of Medicinehttps://blake.bcm.edu/emanwiki/EMAN2Softwarepaket für cryo-ET und STA
Warp/MMRC-Labor für Molekularbiologiehttps://warpem.github.ioSoftwarepaket für cryo-ET und STA
AreTomoStanford University (entwickelt von den Gruppen Fei Sun und Wah Chiu)https://github.com/czimaginginstitute/AreTomo2Softwarepaket für cryo-ET und STA
PEETUniversity of Colorado Boulderhttps://bio3d.colorado.edu/PEETSoftwarepaket für cryo-ET und STA
PyTomMax-Planck-Institut für Biochemiehttps://pytom.orgSoftwarepaket für cryo-ET und STA
Tomo3DSpanisches Nationales Zentrum für Biotechnologie (CNB-CSIC)https://sites.google.com/site/3demimageprocessing/tomo3dSoftwarepaket für cryo-ET und STA
crYOLO (3D)Max-Planck-Institut für Biophysikhttps://cryolo.readthedocs.ioSoftwarepaket für cryo-ET und STA
AITomCarnegie Mellon Universityhttps://github.com/xulabs/aitomSoftwarepaket für cryo-ET und STA
DIALSDiamond Light Source und Kooperationspartnerhttps://dials.github.ioSoftwarepaket für microED
XDSMax-Planck-Institut für medizinische Forschung (entwickelt von Wolfgang Kabsch)https://xds.mr.mpg.deSoftwarepaket für microED
MOSFLMMRC-Labor für Molekularbiologie (MRC-LMB), Universität Cambridgehttps://www.mrc-lmb.cam.ac.uk/mosflmSoftwarepaket für microED
SHELXUniversität Göttingen (entwickelt von George M. Sheldrick)https://shelx.uni-goettingen.deSoftwarepaket für microED
PhenixLawrence Berkeley National Laboratory (PHENIX-Konsortium)https://phenix-online.orgSoftwarepaket für microED
CootMRC-Labor für Molekularbiologie (MRC-LMB), Universität Cambridgehttps://www2.mrc-lmb.cam.ac.uk/personal/pemsley/cootSoftwarepaket für microED
Linux (Ubuntu, CentOS/Rocky)Ubuntu: Canonical Ltd.; CentOS: CentOS-Projekt; Rocky Linux: Rocky Enterprise Software Foundation (RESF)https://ubuntu.com / https://www.centos.org (veraltet) /  https://rockylinux.orgBetriebssystem
WindowsMicrosofthttps://www.microsoft.com/windowsBetriebssystem
ZFSOracle Corporation (ursprünglich Sun Microsystems); OpenZFS wird von der OpenZFS-Community betreuthttps://openzfs.orgDateisystem
NFSSun Microsystems (heute als IETF-Standard betreut)https://www.rfc-editor.org/rfc/rfc8881Protokoll
SMB (CIFS)Microsofthttps://learn.microsoft.com/windows-server/storage/file-server/file-server-smb-overviewProtokoll
Microsoft Remote Desktop (RDP)Microsofthttps://learn.microsoft.com/windows-server/remote/remote-desktop-servicesFernzugriff
NoMachineNoMachinehttps://www.nomachine.comFernzugriff
TeamViewerTeamViewer SEhttps://www.teamviewer.comFernzugriff
VirtualGL + TurboVNCVirtualGL: Das VirtualGL-Projekt; TurboVNC: Das TurboVNC-Projekthttps://virtualgl.org und https://turbovnc.orgFernzugriff
CUDANVIDIAhttps://developer.nvidia.com/cuda-toolkitComputer-Framework

Referenzen

  1. Cheng Y, Grigorieff N, Penczek PA, Walz T. A primer to single-particle cryo-electron microscopy. Cell. 2015;161(3):438-449.
  2. Kühlbrandt W. Cryo-EM enters a new era. eLife. 2014;3:e03678.
  3. Alewijnse B, et al. Best practices for managing large CryoEM facilities. J Struct Biol. 2017;199(3):225-236.
  4. Walsh RM, et al. Practices for running a research-oriented shared cryo-EM facility. Front Mol Biosci. 2022;9:960940.
  5. Zimanyi CM, et al. Broadening access to cryoEM through centralized facilities. Trends Biochem Sci. 2022;47(2):106-116.
  6. Shell E, Minari K, Serrão VHB. From Icy Specimens to Digital Insights: Integrating Sample Preparation, Data Analysis, and IT Infrastructure. In: Cryo-Electron Microscopy in Structural Biology. 2024.
  7. Kimanius D, Forsberg BO, Scheres SHW, Lindahl E. Accelerated cryo-EM structure determination with parallelisation using GPUs in RELION-2. eLife. 2016;5:e18722.
  8. Střelák D, Sorzano CÓS, Carazo JM, Filipovič J. A GPU acceleration of 3-D Fourier reconstruction in cryo-EM. Int J High Perform Comput Appl. 2019;33(5):948-959.
  9. Pichkur E, et al. Towards on-the-fly Cryo-Electron Microscopy data processing by high performance data analysis. J Phys Conf Ser. 2018;955:012005.
  10. Thompson RF, et al. Collection, pre-processing and on-the-fly analysis of data for high-resolution single-particle cryo-electron microscopy. Nat Protoc. 2019;14(1):100-118.
  11. Punjani A, Rubinstein JL, Fleet DJ, Brubaker MA. cryoSPARC: algorithms for rapid unsupervised cryo-EM structure determination. Nat Methods. 2017;14(3):290-296.
  12. Fernandez-Leiro R, Scheres SHW. A pipeline approach to single-particle processing in RELION. Acta Crystallogr D Struct Biol. 2017;73(Pt 6):496-502.
  13. Scheres SHW. RELION: implementation of a Bayesian approach to cryo-EM structure determination. J Struct Biol. 2012;180(3):519-530.
  14. Tang G, et al. EMAN2: an extensible image processing suite for electron microscopy. J Struct Biol. 2007;157(1):38-46.
  15. Grant T, Rohou A, Grigorieff N. cisTEM, user-friendly software for single-particle image processing. eLife. 2018;7:e35383.
  16. Wagner T, et al. SPHIRE-crYOLO is a fast and accurate fully automated particle picker for cryo-EM. Commun Biol. 2019;2(1):218.
  17. Zhong ED, Bepler T, Berger B, Davis JH. CryoDRGN: reconstruction of heterogeneous cryo-EM structures using neural networks. Nat Methods. 2021;18(2):176-185.
  18. Bepler T, Kelley K, Noble AJ, Berger B. Topaz-Denoise: general deep denoising models for cryoEM and cryoET. Nat Commun. 2020;11(1):5208.
  19. Tegunov D, Cramer P. Real-time cryo-electron microscopy data preprocessing with Warp. Nat Methods. 2019;16(11):1146-1152.
  20. Jamali K, et al. Automated model building and protein identification in cryo-EM maps. Nature. 2024;628(8007):450-457.
  21. Kremer JR, Mastronarde DN, McIntosh JR. Computer visualization of three-dimensional image data using IMOD. J Struct Biol. 1996;116(1):71-76.
  22. Castaño-Díez D, Kudryashev M, Arheit M, Stahlberg H. Dynamo: a flexible, user-friendly development tool for subtomogram averaging of cryo-EM data in high-performance computing environments. J Struct Biol. 2012;178(2):139-151.
  23. Ni T, et al. High-resolution in situ structure determination by cryo-electron tomography and subtomogram averaging using emClarity. Nat Protoc. 2022;17(2):421-444.
  24. Bharat TAM, et al. Advances in single-particle electron cryomicroscopy structure determination applied to sub-tomogram averaging. Structure. 2015;23(9):1743-1753.
  25. Zheng S, et al. AreTomo: an integrated software package for automated marker-free, motion-corrected cryo-electron tomographic alignment and reconstruction. J Struct Biol X. 2022;6:100068.
  26. Nicastro D, et al. The molecular architecture of axonemes revealed by cryoelectron tomography. Science. 2006;313(5789):944-948.
  27. Hrabe T, et al. PyTom: a Python-based toolbox for localization of macromolecules in cryo-electron tomograms and subtomogram analysis. J Struct Biol. 2012;178(2):177-188.
  28. de la Morena JJ, et al. ScipionTomo: towards cryo-electron tomography software integration, reproducibility, and validation. J Struct Biol. 2022;214(3):107872.
  29. Zhan X, Zeng X, Uddin MR, Xu M. AITom: AI-guided cryo-electron tomography image analyses toolkit. J Struct Biol. 2025;217(2):108207.
  30. Winter G, et al. DIALS: implementation and evaluation of a new integration package. Acta Crystallogr D Struct Biol. 2018;74(2):85-97.
  31. Kabsch W. XDS. Acta Crystallogr D Biol Crystallogr. 2010;66(2):125-132.
  32. Battye TGG, et al. iMOSFLM: a new graphical interface for diffraction-image processing with MOSFLM. Acta Crystallogr D Biol Crystallogr. 2011;67(Pt 4):271-281.
  33. Thorn A, Sheldrick GM. Extending molecular-replacement solutions with SHELXE. Acta Crystallogr D Biol Crystallogr. 2013;69(Pt 11):2251-2256.
  34. Liebschner D, et al. Macromolecular structure determination using X-rays, neutrons and electrons: recent developments in Phenix. Acta Crystallogr D Struct Biol. 2019;75(10):861-877.
  35. Emsley P, Cowtan K. Coot: model-building tools for molecular graphics. Acta Crystallogr D Biol Crystallogr. 2004;60(Pt 12 Pt 1):2126-2132.
  36. Pryor E, Kohr H, Ortiz J, Grollios F. Advancing towards a "one-button" screening solution for Cryo-EM data acquisition with Smart EPU. Struct Dyn. 2025;12(5):A86.
  37. Ramírez-Aportela E, et al. FSC-Q: a CryoEM map-to-atomic model quality validation based on the local Fourier shell correlation. Nat Commun. 2021;12(1):42.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Weitere Artikel entdecken

Kryo-EM-EinrichtungDateninfrastrukturGPU-ComputingOn-the-fly-VerarbeitungBewegungskorrekturCTF-SchätzungPartikel-Picking2D-KlassifizierungDatenarchivierung

Dieser Artikel wurde veröffentlicht

Video demnächst verfügbar

Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.