Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Conception et exploitation d'une installation interne de cryo-microscopie électronique avec infrastructure informatique et pipelines de traitement de données en temps réel

154 vues

⸱

DOI :

10.3791/71837

⸱

1 septembre 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

Dans cet article

Résumé

Ce protocole fournit un cadre pratique pour concevoir et exploiter l'infrastructure informatique d'un laboratoire interne de microscopie électronique cryogénique (cryo-EM). Il aborde la planification du laboratoire, l'architecture du réseau, le stockage, le calcul GPU, l'accès à distance et le traitement en temps réel des données, permettant une gestion efficace de jeux de données de plusieurs téraoctets tout en assurant des opérations de cryo-EM évolutives, durables et à haute performance.

Résumé

La microscopie électronique cryogénique (cryo-EM) est devenue une méthode prédominante pour la détermination de haute résolution de la structure de macromolécules biologiques. Alors que le nombre de plateformes institutionnelles de cryo-EM augmente dans le monde entier, un défi persistant émerge : l'infrastructure informatique nécessaire pour soutenir ces plateformes fait régulièrement l'objet d'une planification insuffisante. Les instruments modernes de cryo-EM couplés à des détecteurs d'électrons directs (DED) génèrent entre 2 et 5 téraoctets (To) de données brutes par jour, et une plateforme mutualisée par 20 utilisateurs peut accumuler environ 2 pétaoctets (Po) de données au cours d'une seule année de fonctionnement. Le traitement de ces données exige des nœuds de calcul dédiés dotés de GPU, un réseau interne haut débit et des stratégies solides d'archivage à long terme, le tout devant être mis en place avant même le début de la collecte de données. Ce protocole présente un cadre intégré pour la conception informatique et computationnelle d'une plateforme interne de cryo-EM. Nous abordons les exigences liées aux locaux (conception des salles, alimentation électrique, refroidissement et isolation aux vibrations), le choix du matériel (microscopes, DED et instruments auxiliaires), ainsi que l'ensemble de la pile computationnelle : configuration des commutateurs réseau, sélection et dimensionnement des serveurs de stockage, approvisionnement des nœuds de calcul GPU et architecture d'accès à distance. Nous fournissons ensuite un protocole détaillé pour la mise en œuvre de pipelines de traitement de données en continu — couvrant la correction du mouvement, l'estimation de la fonction de transfert de contraste (CTF), le choix des particules et la classification 2D en temps réel pendant la collecte des données — en utilisant des outils standard dans le domaine. Les stratégies de transfert de données pour les utilisateurs externes sont également abordées. Ce guide comble une lacune essentielle dans la littérature et permettra aux chercheurs et aux gestionnaires de construire des plateformes de cryo-EM prêtes au niveau computationnel dès le premier jour.

Introduction

La révolution de la résolution en microscopie électronique cryogénique a transformé la biologie structurale, permettant une visualisation à résolution atomique des protéines, des acides nucléiques et des complexes macromoléculaires sans nécessiter de cristallisation1,2. Trois progrès techniques ont permis cette transformation : le développement de détecteurs d'électrons directs (DED) à haut taux de trames, les améliorations apportées à l'optique électronique et à la mécanique des microscopes, ainsi que l'optimisation de logiciels de traitement d'images accélérés par GPU3,4,5,6. Ensemble, ces avancées ont fait de la cryo-EM la méthode de choix pour une communauté croissante de biologistes structuraux.

La demande d'accès à la microscopie électronique cryogénique a suscité des investissements importants tant dans de grands centres nationaux que dans des installations institutionnelles plus petites. Les centres nationaux — tels que le NCCAT, le S2C2, le PNCC et le MCCET aux États-Unis, ainsi que l'eBIC, le NeCEN et le SciLifeLab en Europe3,5,6 — offrent un accès aux instruments les plus performants pour les projets approuvés. Les installations internes complètent ces ressources en soutenant des recherches itératives et spécifiques à chaque projet, avec des délais d'exécution plus courts et une interaction plus étroite entre utilisateurs et personnel. Toutefois, la mise en place d'une installation interne opérationnelle nécessite bien plus que l'achat d'un microscope : l'infrastructure informatique d'accompagnement est tout aussi essentielle, et son insuffisance constitue l'une des principales causes d'échec opérationnel dans les nouvelles installations6.

Une seule session de cryo-ME haut de gamme peut générer de 2 à 5 téraoctets de données brutes sous forme de films en 24 heures. Avec plusieurs microscopes et utilisateurs, la charge de données atteint rapidement l'échelle du pétaoctet. Le traitement de ces données nécessite des pipelines accélérés par GPU qui doivent fonctionner simultanément avec la collecte des données7,8. Des retards dans le prétraitement entraînent un retour différé sur la qualité des données et un gaspillage du temps d'instrument. Malgré ces contraintes, la plupart des guides publiés sur la gestion des installations de cryo-ME accordent peu d'attention aux composants informatiques, et aucun ne fournit de protocole opérationnel étape par étape pour configurer et valider une infrastructure complète de gestion des données.

Ce protocole comble cette lacune. Nous décrivons les exigences physiques et techniques relatives à la construction d'une installation, les critères de sélection des microscopes et des détecteurs, et — plus important encore — la conception et la mise en œuvre de l'infrastructure informatique qui rend une installation de cryo-ME viable sur le plan opérationnel6. Une attention particulière est portée au traitement des données en temps réel : le prétraitement automatisé et simultané des données pendant leur acquisition, qui permet un contrôle qualité en temps réel, oriente les décisions d'acquisition et réduit considérablement le délai de traitement après la session9,10,11. En suivant ce protocole, les concepteurs d'installations seront en mesure de construire une opération complète et intégrée de cryo-ME, capable de desservir de manière durable et efficace une vaste communauté scientifique.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Les détails concernant l'équipement, les logiciels et les matériaux utilisés dans ce protocole sont fournis dans le Tableau des matériaux.

1. Conception des installations physiques, personnel et planification des infrastructures

  1. Réalisez une évaluation du site. Sélectionnez un emplacement offrant : un sol isolé des vibrations (niveaux de vibration ambiante idéalement < 1 µm/s RMS à 1–100 Hz) ; une stabilité du champ magnétique (< 1 mG/m de gradient spatial et < 0,1 mG/m de variation temporelle pour les instruments de 300 kV) ; une température ambiante stable (18–22 °C avec des fluctuations < 0,5 °C) ; un contrôle de l'humidité (40–60 % HR) ; et un faible bruit acoustique (< 50 dB). Consultez les exigences du fabricant du microscope concernant l'installation dès les premières étapes de la planification.
    NOTE : La rénovation d'une pièce existante peut coûter autant que la construction neuve. En règle générale, prévoyez environ 20 % du prix d'achat du microscope pour la préparation de la salle.
  2. Concevez l'agencement des locaux en assurant une séparation spatiale claire entre les zones fonctionnelles : (a) la ou les salles de microscopie pour les microscopes électroniques en transmission cryogéniques (cryo-MET) ; (b) une antichambre dédiée à la préparation des échantillons, pour la manipulation et le stockage des grilles ; (c) une salle des contrôleurs abritant les groupes frigorifiques, les onduleurs (UPS) et les systèmes de refroidissement du microscope ; et (d) une salle serveur ou un centre de données distinct pour l'infrastructure de stockage et de calcul.
    NOTE : Maintenez la température de la salle des contrôleurs constamment inférieure à 26 °C et assurez une alimentation électrique de secours et un système de refroidissement dédiés. Les écarts de température dans cette salle sont une cause fréquente d'indisponibilité du microscope.
  3. Planifiez l'infrastructure électrique. Installez des circuits électriques triphasés dédiés pour les cryo-MET haut de gamme. Raccordez tous les microscopes, caméras et équipements serveurs à l'infrastructure électrique protégée désignée. Coordonnez-vous avec l'équipe technique de l'établissement pour prévoir un groupe électrogène d'urgence capable de maintenir le fonctionnement du microscope et la circulation de l'eau de refroidissement en cas de panne de courant.
    NOTE : Plusieurs instruments d'une plateforme cryo-MET nécessitent plus d'une journée pour un redémarrage sécurisé. Une coupure de courant imprévue peut endommager des cartes électroniques sensibles et entraîner la perte de sessions actives de collecte de données.
  4. Installez les systèmes d'eau de refroidissement pour le microscope électronique et le matériel associé. Mettez en place un circuit d'eau de refroidissement de secours avec basculement automatique. Surveillez en continu le débit, la température et la conductivité de l'eau à l'aide du système de surveillance intégré du microscope ou d'un réseau de capteurs dédié.
  5. Installez des câbles de fibre optique reliant la ou les salles de microscopie à la salle serveur pendant la construction ou la rénovation. Prévoyez au minimum de la fibre multimode OM4 ou monomode OS2, avec un excès de longueur suffisant et des panneaux de brassage étiquetés aux deux extrémités.
    NOTE : L'installation préalable de la fibre optique est nettement moins coûteuse que son ajout ultérieur.
  6. Désignez des opérateurs spécialisés ou des scientifiques de plateforme chargés de l'entretien des instruments, de la formation des utilisateurs, de la planification, de l'optimisation des échantillons et du soutien à l'acquisition de données. Désignez du personnel informatique dédié pour gérer l'infrastructure, les performances du réseau, la cybersécurité, la sauvegarde des données, le déploiement des logiciels, les ressources de calcul GPU et l'accès à distance des utilisateurs.
  7. Déterminez les besoins en personnel en fonction du niveau de soutien offert aux utilisateurs et de la complexité de l'infrastructure informatique. Dans les petites plateformes, comme la plateforme de cryo-MET biomoléculaire de l'UCSC, ces responsabilités peuvent être assumées par un gestionnaire de plateforme possédant une expertise en informatique ou par les services informatiques centraux de l'institution ; toutefois, à mesure que le nombre de microscopes, d'utilisateurs et de sessions annuelles de collecte de données augmente, le recours à du personnel spécialisé devient de plus en plus nécessaire.
  8. Assurez un soutien informatique dédié pour les plateformes exploitant plusieurs cryo-MET afin de garantir une acquisition de données ininterrompue, une gestion efficace des données et des ressources informatiques évolutives. Investissez tôt dans une infrastructure informatique robuste et dans du personnel qualifié afin de minimiser les temps d'arrêt opérationnels, de simplifier les évolutions futures et de mettre en place un cadre durable capable de soutenir des communautés d'utilisateurs en croissance ainsi que des flux de travail cryo-MET de plus en plus gourmands en données.

2. Sélection du microscope et du détecteur

  1. Définissez la mission scientifique principale de l'installation avant de choisir un microscope. Tenez compte : (a) de savoir si le flux de travail principal consistera en une analyse de particules individuelles (SPA), en tomographie électronique cryogénique (cryo-ET), en microdiffraction électronique (microED), ou en une combinaison de ces techniques ; (b) de la taille prévue de la base d'utilisateurs et de la diversité des projets ; (c) des contraintes budgétaires liées à l'acquisition ainsi qu'aux contrats de maintenance continue.
  2. Évaluez les plates-formes cryo-TME disponibles en fonction des applications prévues. Pour l'analyse de particules individuelles (SPA) à haute résolution et la moyenne de sous-tomogrammes (STA), envisagez des instruments de 300 kV. Pour le criblage et la collecte de données à résolution moyenne, envisagez des instruments de 200 kV. Pour un point d'entrée à moindre coût doté de capacités de criblage, évaluez les instruments de 100 à 120 kV (résumé dans Tableau 1).
    NOTE : Les fiches techniques évoluent fréquemment. Demandez toujours les détails de configuration et les prix actuels directement au fabricant avant de finaliser les décisions d'équipement.
  3. Choisissez un détecteur à direct électron (DED) adapté au microscope et à l'application. Pour l'analyse de particules individuelles (SPA) à haute résolution sur les instruments de Thermo Fisher Scientific (TFS), le Falcon 4i est actuellement l'option principale pour les séries Krios et Glacios.
  4. Pour les instruments JEOL CryoARM, le Gatan K3 offre une excellente sensibilité et des fréquences d'images élevées. Pour les installations visant à combiner l'analyse de particules individuelles (SPA) et la microdiffraction électronique (microED), vérifiez la compatibilité du détecteur avec les modes de collecte de données en diffraction électronique (Tableau 2).
    NOTE : Le DED est l'un des composants les plus coûteux de l'installation et a un impact significatif sur la qualité des données ainsi que sur les besoins de stockage. Le mode Electron Event Register (EER), par exemple, produit des fichiers bruts nettement plus volumineux que les formats compressés classiques, nécessitant une capacité de stockage et une bande passante réseau proportionnellement plus grandes.
  5. Évaluez le rôle d'un filtre d'énergie lors du choix de la configuration de l'instrument de cryo-ME, car il peut influencer fortement la qualité des images, le choix du détecteur et les performances globales du système. En éliminant les électrons diffusés inélastiquement, les filtres d'énergie améliorent le contraste et le rapport signal/bruit, ce qui est particulièrement avantageux pour les échantillons difficiles, les applications d'analyse de particules individuelles (SPA) à haute résolution (avantageux), la tomographie électronique cryogénique (cryo-ET) (critique) et la microdiffraction électronique (microED) (avantageux).
  6. Évaluez les systèmes de filtres d'énergie disponibles lors de la sélection de l'instrument. Les systèmes Gatan Bioquantum et Biocontinuum ou les systèmes Thermo Fisher Scientific Selectris et SelectrisX coûtent généralement environ 0,3 à 1,5 million de dollars américains, selon la configuration.
  7. Évaluez le coût et la complexité supplémentaires associés aux filtres d'énergie en tenant compte des capacités du détecteur, des objectifs de l'installation et des applications prévues par les utilisateurs avant de choisir la configuration finale de l'instrument.
  8. Prenez en compte les contrats de maintenance lors du calcul du coût total d'acquisition. Ces contrats couvrent généralement le microscope, le filtre d'énergie, le détecteur et le système de refroidissement par eau.
  9. Négociez les conditions des contrats de maintenance — y compris les délais d'intervention garantis et la disponibilité de pièces de rechange — au moment de l'achat de l'instrument. Prévoyez un budget annuel représentant 8 à 15 % du prix d'achat de l'instrument pour la couverture de maintenance.

3. Conception et mise en œuvre de l'architecture du réseau

  1. Concevoir le réseau interne de l'installation autour d'un commutateur central haute vitesse. Connecter directement tous les appareils producteurs et consommateurs de données à ce commutateur à la vitesse maximale prise en charge : contrôleur du microscope, contrôleur de caméra (souvent une station de travail distincte), serveurs de stockage et nœuds de calcul GPU.
  2. Prévoir une connexion minimale de 10 Gbps pour chaque appareil. Prévoir des liaisons montantes de 25 Gbps ou plus entre le commutateur et les nœuds de stockage et de calcul, selon les possibilités budgétaires.
    NOTE : À 1 Gbps, le transfert de 20 To de données brutes prendrait 2 à 3 jours. À 10 Gbps, le même transfert prend 5 à 6 heures. À 25 Gbps, il dure environ 2 heures. La vitesse du réseau détermine directement si le traitement en continu peut suivre le rythme de l'acquisition des données.
  3. Spécifier le commutateur central. Exigences : (a) une matrice de commutation non bloquante à débit nominal maximal ; (b) un nombre suffisant de ports SFP+ ou QSFP pour tous les appareils de l'installation ; (c) des fonctionnalités de commutateur géré (prise en charge des VLAN, surveillance du trafic, miroir de port pour le diagnostic) ; (d) des modules d'alimentation redondants. Choisir un commutateur géré de niveau professionnel offrant une matrice de commutation non bloquante, un nombre suffisant de ports haut débit, des fonctions de gestion du trafic et des alimentations redondantes.
  4. Segmenter le réseau à l'aide de VLAN afin de séparer : (a) le VLAN d'acquisition de données (contrôleurs du microscope et de la caméra, serveurs de stockage) ; (b) le VLAN de calcul (stations de travail GPU et nœuds de cluster) ; (c) le VLAN de gestion (accès à distance, surveillance, administration).
    NOTE : La segmentation du réseau réduit le trafic de diffusion, améliore la sécurité et permet un dépannage indépendant de chaque sous-système.
  5. Connecter le réseau de l'installation au WAN institutionnel via un port de liaison montante dédié sur le commutateur central. Une liaison montante de 1 à 10 Gbps vers le réseau du campus est suffisante pour l'accès à distance et le transfert de données externes.
  6. Coordonner avec l'équipe informatique institutionnelle la mise en place d'adresses IP statiques, d'entrées DNS et de règles de pare-feu appropriées pour tous les appareils accessibles depuis l'installation (Figure 1).
  7. Installer et étiqueter tous les câblages réseau. Utiliser des câbles direct attach ou des câbles optiques actifs pour les connexions de 10+ Gbps sur une distance allant jusqu'à 100 m (le câble Cat6A blindé fonctionne également pour 10 Gbps sur 100 m) ; utiliser des assemblages de fibre pré-terminés (LC-LC ou MTP) pour les liaisons inter-baies de 25+ Gbps.
  8. Documenter entièrement le schéma de câblage à l'aide d'un schéma réseau indiquant les noms des appareils, les adresses IP, les affectations de ports et l'appartenance aux VLAN.
    NOTE : Se référer à Figure 2 pour un schéma de la topologie réseau minimale recommandée pour une petite installation de cryo-ME.

4. Conception et déploiement du serveur de stockage

  1. Calculez les besoins de stockage avant l'acquisition du matériel. À titre de référence : une seule session de cryo-ME haut de gamme génère 2 à 5 téraoctets (To) de données brutes par jour.
  2. Estimez les besoins de stockage à long terme en fonction de l'utilisation prévue de l'installation. Une structure accueillant 20 utilisateurs et exploitant deux microscopes peut produire environ 2 pétaoctets (Po) de données en 3 à 6 mois d'exploitation. Prévoyez un stockage pour les données brutes (à court terme, haut débit) et pour les données traitées (à moyen terme, volume plus important), car les jeux de données traités sont souvent 10 à 20 fois plus volumineux que les données brutes initiales.
  3. Choisissez une architecture de stockage robuste. Les serveurs autonomes basés sur ZFS constituent le point de départ recommandé pour la plupart des installations, offrant un rapport coût-capacité avantageux, une vérification intégrée de l'intégrité des données (sommes de contrôle), des configurations flexibles équivalentes au RAID (RAIDZ, RAIDZ2) et un support des instantanés. Les systèmes de fichiers distribués en cluster (Gluster, Ceph, GPFS/IBM Spectrum Scale) peuvent offrir des performances et une évolutivité supérieures, mais nécessitent plusieurs serveurs physiques et une administration plus complexe.
  4. Configurez les pools de stockage ZFS. Configuration initiale recommandée : deux vdev RAIDZ2 (chacun composé de 6 à 8 disques durs SAS haute capacité, de 16 à 20 To chacun), offrant environ 60 à 70 % de capacité utilisable avec une protection contre deux pannes de disque simultanées.
  5. Ajoutez un vdev dédié de cache d'écriture SSD (L2ARC) utilisant 2 à 4 SSD NVMe afin d'accélérer les performances de lecture aléatoire pour les tâches de traitement actives.
    NOTE : N'utilisez pas de disques SATA grand public dans les baies de stockage en production. Des disques SAS ou NL-SAS professionnels dotés d'une capacité de charge de travail spécifiée (par exemple, 550 To/an) sont essentiels pour supporter les schémas d'entrée/sortie aléatoires soutenus des flux de travail en cryo-ME.
  6. Configurez des exports NFS (pour les clients Linux) et des partages SMB (pour les clients Windows) sur le serveur de stockage ZFS. Montez le partage de données principal sur tous les nœuds de calcul GPU ainsi que sur la station de travail du contrôleur de caméra afin de permettre un accès direct aux données sans copies intermédiaires.
  7. Mettez en place une politique de rétention et de cycle de vie des données. Définissez : (a) la durée de conservation des films bruts (généralement 3 à 6 mois après la collecte) ; (b) la conservation des micrographies corrigées du mouvement ; (c) la conservation des jeux de données traités finaux (indéfinie jusqu'à la publication) ; (d) la procédure d'archivage pour les projets terminés.
  8. Mettez en œuvre des alertes automatiques lorsque l'utilisation du stockage dépasse 70 % de la capacité, afin de permettre l'acquisition en temps voulu de stockage supplémentaire.
    NOTE : Le stockage est le coût le plus fréquemment sous-estimé lors de la planification d'une installation de cryo-ME. Ne confondez pas l'approbation d'achat du microscope avec un financement adéquat pour le stockage. L'acquisition du stockage doit être planifiée en parallèle avec l'installation de l'instrument, et non après le début de la collecte des données.

5. Infrastructure de calcul GPU

  1. Déterminez les besoins en calcul en fonction du débit attendu. Pour un microscope unique générant de 3 000 à 5 000 micrographies par session de 24 h, un minimum de deux nœuds de calcul, chacun équipé de 4 cartes GPU NVIDIA (architecture Maxwell ou ultérieure, mémoire vidéo VRAM de 11 Go ou plus, par exemple RTX 3090, RTX 4090 ou A100), est nécessaire pour assurer un prétraitement en continu à la vitesse d'acquisition.
  2. Pour des installations plus grandes ou des flux de travail en cryo-TÉ avec un volume élevé de séries de basculement, prévoyez des nœuds supplémentaires.
  3. Spécifiez le matériel des nœuds de calcul GPU. Chaque nœud doit inclure : (a) 4 GPU NVIDIA compatibles CUDA (mémoire VRAM minimale de 24 Go par GPU pour les raffinements 3D dans CryoSPARC et RELION) ; (b) un processeur à nombre élevé de cœurs (AMD EPYC ou Intel Xeon, ≥32 cœurs) pour prendre en charge les étapes parallèles gourmandes en CPU (estimation de la CTF, entrées/sorties de fichiers) ; (c) ≥256 Go de mémoire système (RAM) ; (d) un espace local de stockage temporaire NVMe SSD de 2 à 4 To pour les données intermédiaires des travaux en cours ; (e) une carte réseau (NIC) de 10/25 Gbps ; (f) un stockage local suffisant pour les jeux de données en cours de traitement (généralement un volume RAID). REMARQUE : Les GPU grand public (RTX 4090) peuvent offrir des performances comparables à celles des modèles professionnels (A100) à un coût nettement inférieur pour les charges de travail en cryo-ME. Évaluez les tests de référence spécifiques à CryoSPARC et RELION, car leurs schémas d'accès mémoire favorisent les GPU à bande passante mémoire élevée.
  4. Installez la pile de pilotes NVIDIA, le kit d'outils CUDA (version compatible avec CryoSPARC et RELION) et cuDNN sur chaque nœud de calcul. Utilisez un outil de gestion de configuration pour standardiser les environnements logiciels sur tous les nœuds et simplifier les mises à jour futures.
  5. Déployez CryoSPARC en configuration autonome ou en cluster. Pour une installation multi-nœuds, installez CryoSPARC-master sur un nœud principal dédié et CryoSPARC-worker sur chaque nœud de calcul GPU.
  6. Configurez la planification des tâches pour permettre à plusieurs utilisateurs de soumettre simultanément des travaux de traitement. Suivez la documentation officielle de l'architecture CryoSPARC pour connaître les exigences minimales en matière de système et de configuration réseau.
  7. Installez RELION en complément de la plateforme de traitement principale afin de proposer aux utilisateurs les deux écosystèmes de traitement. Configurez le logiciel pour utiliser les nœuds de calcul locaux via un planificateur (SLURM ou PBS/Torque).
  8. Installez des outils complémentaires : MotionCor2 (correction du mouvement), CTFFIND4 et Gctf (estimation de la CTF), TOPAZ (sélection de particules basée sur l'apprentissage automatique), crYOLO (sélecteur de particules par réseau neuronal) et cryoDRGN (analyse de l'hétérogénéité). Reportez-vous au Tableau 3 pour un aperçu des logiciels disponibles pour la SPA, la cryo-TÉ, la STA et la microED. 
  9. Utilisez le déploiement du consortium SBGrid ou une gestion logicielle basée sur des conteneurs (Singularity/Apptainer pour les environnements HPC ; Docker pour les postes de travail) afin de maintenir des environnements logiciels reproductibles et versionnés.
    REMARQUE : SBGrid fournit des versions précompilées et validées de tous les principaux outils logiciels de cryo-ME, avec une gestion automatisée des mises à jour pour les établissements académiques.

6. Infrastructure d'accès à distance

  1. Établir un accès à distance basé sur un réseau privé virtuel (VPN) comme point d'entrée principal et sécurisé pour tous les utilisateurs et membres du personnel situés hors site. Collaborer avec le service informatique institutionnel pour configurer un profil ou un tunnel VPN spécifique à l'installation, permettant d'accéder au réseau de calcul et de stockage de l'installation sans exposer les appareils à l'Internet public plus large.
  2. Mettre en œuvre une authentification à deux facteurs (2FA) sur tous les points d'accès à distance (Figure 2).
  3. Déployer un logiciel de bureau à distance pour accéder graphiquement aux contrôleurs de microscope et aux stations de travail équipées de GPU. Options recommandées : (a) TeamViewer (commercial, multiplateforme, franchissement NAT — adapté pour l'accès aux contrôleurs de microscope) ; (b) NoMachine (commercial, multiplateforme, prend en charge la diffusion graphique OpenGL 3D — recommandé pour les stations de travail GPU exécutant des outils de visualisation) ; (c) TurboVNC avec VirtualGL (open source, Linux uniquement, prend en charge le rendu 3D à distance).
    NOTE : De nombreux outils de visualisation en cryo-ME utilisent OpenGL pour le rendu 3D. La diffusion X11 standard ne prend pas en charge OpenGL avec accélération matérielle. Utiliser NoMachine ou VirtualGL/TurboVNC pour ces applications.
  4. Configurer l'accès à distance au logiciel d'acquisition de données du microscope. Utiliser Leginon ou SerialEM pour une exploitation à distance via le VPN institutionnel. Le logiciel d'acquisition du microscope peut être accessible à distance via une application de bureau à distance approuvée.
  5. Tester la connectivité à distance depuis des emplacements représentatifs hors site (réseaux domestiques, institutions collaboratrices) avant de lancer les opérations utilisateurs (Tableau 4).
  6. Mettre en place un tableau de bord de surveillance de l'installation basé sur le web, permettant au personnel et aux utilisateurs de surveiller à distance l'état de la collecte de données, les résultats du prétraitement, l'utilisation du stockage et l'état des files d'attente de calcul. Leginon inclut une interface de surveillance web intégrée.
  7. Pour le flux de travail CryoSPARC, configurer Grafana ou un tableau de bord web personnalisé alimenté par les journaux du pipeline et les outils de surveillance système (Prometheus, node_exporter).
  8. Établir un mécanisme de livraison de données pour les utilisateurs externes. Configurer un service de transfert de données authentifié, tel que Globus Connect Server, sur le système de stockage de l'installation.
  9. Pour les utilisateurs ne disposant pas d'un accès à Globus, préparer des procédures d'expédition de disques durs USB accompagnées de sommes de contrôle documentées. Une liaison montante Internet de 10 Gbps est nécessaire pour permettre aux utilisateurs externes de télécharger directement des jeux de données de plusieurs téraoctets de manière pratique.

7. Workflow de traitement des données en temps réel : mise en œuvre

  1. Préconfigurer le chemin de flux des données avant chaque session de collecte de données. Vérifier que : (a) le contrôleur de la caméra enregistre directement les vidéos brutes sur le stockage haute performance monté en NFS de l'installation ; (b) le partage NFS est monté et accessible sur tous les nœuds de calcul GPU ; (c) une capacité de stockage libre suffisante est disponible pour la session prévue (au minimum 5 To libres pour une session SPA de 24 h) ; (d) les nœuds de calcul GPU sont disponibles et qu'aucune tâche longue ne concurrencera l'accès aux ressources.
  2. Configurer une correction de référence de gain. Avant chaque session, acquérir une image de référence de gain conformément aux spécifications du fabricant du détecteur (généralement une exposition au faisceau vide sur une zone vide de la grille).
  3. Placez le fichier de référence de gain dans le répertoire d'entrée désigné pour le prétraitement. Tous les logiciels de correction des mouvements (MotionCor2, l'implémentation propre de RELION) appliqueront automatiquement cette référence si la configuration est correcte.
  4. Lancez le pipeline de prétraitement en continu à l'aide de CryoSPARC-Live (méthode recommandée pour la visualisation en temps réel). Le pipeline doit être lancé dès l'apparition des premiers films dans le répertoire de sortie, généralement dans les 5 à 10 premières minutes de la collecte automatisée des données.
    REMARQUE : CryoSPARC-Live continue de surveiller un répertoire désigné à la recherche de nouveaux fichiers de séries d'images et les traite dès leur arrivée. La principale différence est que CryoSPARC-Live offre une interface web interactive en temps réel pour la surveillance.
  5. Workflow CryoSPARC-Live
    1. Dans l'interface web, accédez à un projet nouveau ou existant et créez une nouvelle session en direct11,36.
    2. Configurer la source d'entrée : spécifier le chemin du répertoire vers lequel le contrôleur de la caméra écrit (le « dossier surveillé »), le modèle de nom de fichier correspondant aux fichiers bruts de vidéos (par exemple, *.tif, *.mrc ou *.eer pour les données au format EER du Falcon 4i), ainsi que le chemin du fichier de référence de gain.
    3. Définir les paramètres de correction du mouvement : nombre d'images à utiliser, correction du mouvement basée sur des zones (recommandé : zones de 5x5), facteur de binning en sortie (généralement 1 pour l'acquisition de données proche de la limite de Nyquist ; 2 pour le criblage initial) et dose d'électrons par image (calculée à partir de la dose totale et du nombre d'images).
    4. Définir les paramètres d'estimation de la fonction de transfert de contraste (CTF) : résolution minimale et maximale pour l'ajustement (généralement 30 Å et 4 Å), plage de recherche de la défocalisation (0,5–5 µm recommandé pour la SPA) et l'astigmatisme acceptable maximal. Activer l'estimation de la CTF par inclinaison pour les jeux de données de cryo-TÉ.
    5. Configurer le choix des particules : sélectionner la méthode de choix (sélecteur de taches pour les premières sessions ; sélecteur de modèles après obtention des premières bonnes classes 2D ; sélecteur TOPAZ pour les échantillons difficiles). Définir le diamètre attendu des particules ainsi que l'espacement minimum et maximum entre les particules.
    6. Afin de réduire considérablement les besoins de stockage, la charge de transfert des données et les coûts de calcul, il est recommandé d'appliquer un recadrage de Fourier d'un facteur 4 lors de l'extraction des particules (ce qui entraîne une taille physique de pixel 4 fois plus grande). Pour l'évaluation courante de la qualité des données, des résolutions intermédiaires de 3 à 5 Å sont généralement suffisants lors du traitement en continu.
    7. Activer la classification 2D dans la session en direct. Définir le nombre de classes 2D (généralement 50 à 200), la taille du lot pour les mises à jour incrémentielles (200 à 500 particules) et la limite de résolution pour la classification (6 à 8) Å pour l'évaluation initiale).
    8. Lancer la session en direct. Surveiller le tableau de bord en temps réel pour : le nombre et le débit des films entrants, la qualité de la correction des mouvements (mouvement total par film — rejeter les films présentant un mouvement total supérieur à 50 µm). >30 Å mouvement total en règle générale), qualité de l'ajustement de la CTF (rejeter les micrographies présentant une résolution d'ajustement de la CTF >6–8 Å), rendement de particules par micrographie et qualité évolutive des moyennes de classes 2D.
    9. Définir les seuils d'acceptation pour la couration automatisée. Dans le panneau Filtres, définir les critères de rejet relatifs au mouvement (seuil de déplacement total), à la qualité de la CTF (seuil de résolution d'ajustement) et à la plage de défocalisation (exclusion des micrographies extrêmement sous- ou sur-focalisées). Les particules corrigées sont automatiquement acheminées vers la tâche de classification 2D en aval.

8. Contrôle qualité en temps réel et rétroaction pendant la collecte des données

  1. Surveiller continuellement les statistiques de la CTF pendant toute la durée de la session. Tracer les valeurs de défocalisation pour chaque micrographie : la distribution doit être regroupée dans la plage de défocalisation prévue (généralement de −0,5 à −3,0 µm pour l'ASP).
  2. Une dérive systématique vers des valeurs de défocalisation plus élevées peut indiquer une dérive de la platine ou un mauvais calibrage de la hauteur eucentrique. Alerter immédiatement le personnel de la plateforme si la résolution de l'ajustement de la CTF se dégrade en dessous de 6 Å, car cela indique généralement une contamination de la glace, une instabilité du faisceau ou une dérive de focalisation nécessitant une intervention.
  3. Surveiller les sorties de correction de mouvement. Le mouvement total par film doit être inférieur à 10–30 Å pour des données de haute qualité. Un mouvement élevé systématique dans les premières images est attendu et est corrigé ; toutefois, un mouvement élevé persistant tout au long du film (>40 Å au total) peut indiquer une instabilité mécanique de la platine ou une charge du spécimen, et doit être investigué.
  4. Examiner les moyennes 2D au fur et à mesure de leur mise à jour durant la session (toutes les 30–60 min). Des indicateurs d’un jeu de données de haute qualité : des moyennes de classes montrant des caractéristiques de structure secondaire, plusieurs vues distinctes de la particule, et l’absence d’artéfacts d’empilement ou d’agrégation.
  5. Surveiller les indicateurs nécessitant une intervention : toutes les particules se regroupant dans des classes « parasites » sans caractéristique (suggérant une mauvaise qualité de l’échantillon ou de la glace), l’absence totale de certaines vues (suggérant une orientation préférentielle — pouvant nécessiter une optimisation de la grille), ou des rendements de particules extrêmement faibles par micrographie.
  6. Enregistrer toutes les observations dans un journal de session structuré. Noter : les heures de début et de fin de la session, les paramètres du microscope et de la caméra, un résumé des statistiques en temps réel (nombre total de films collectés, fraction passant le filtre de CTF, fraction passant le filtre de mouvement, nombre total de particules sélectionnées, évaluation des classes 2D), ainsi que toute intervention effectuée. Ce journal est essentiel pour l’évaluation a posteriori de la qualité et pour les rapports sur la performance de la plateforme.
  7. À la fin de la session, générer un rapport récapitulatif de la qualité des données. La plateforme de traitement en continu exporte automatiquement un résumé de la session.
    NOTE : Une autre option pour générer des résumés et des rapports consiste à utiliser des outils d’intelligence artificielle tels que Vitreum. Dans la plateforme de cryo-microscopie électronique biomoléculaire de l’UCSC, la plateforme Vitreum est utilisée pour gérer les flux de travail en laboratoire et la documentation expérimentale. Vitreum enregistre les étapes expérimentales au fur et à mesure qu’elles se produisent, applique des contraintes au niveau du protocole, vérifie l’exécution du flux de travail par rapport à des critères de qualité prédéfinis, et fournit un historique traçable des activités de laboratoire. En intégrant les opérations de laboratoire à l’infrastructure informatique et de gestion des données de la plateforme, cette solution minimise la tenue manuelle des registres, améliore la reproductibilité, facilite la communication entre le personnel de la plateforme et les utilisateurs, et permet un suivi cohérent des expériences, de la préparation des échantillons jusqu’à la collecte de données et à l’analyse computationnelle ultérieure.

9. Pipeline de traitement des données après le prélèvement

  1. Une fois le prétraitement en continu terminé, la pile de particules triée et regroupée est exportée conjointement avec les films prétraités et validés.
  2. Détacher le projet CryoSPARC de la station de travail principale, puis le rattacher à une autre station de travail partagée et accessible à distance. Cela permet un transfert rapide et une rotation efficace pour démarrer la prochaine session d'acquisition de données.
    REMARQUE : Une collecte de données typique peut varier entre 1 et 2 jours, facilement surveillée à l'aide de CryoSPARC-Live. Toutefois, les étapes de traitement 3D peuvent prendre des semaines ou des mois, ce qui justifie le transfert du projet entre postes de travail et serveurs de stockage.
  3. Dans CryoSPARC, exporter les particules triées et binned de la session en direct vers un projet standard pour un traitement 3D hors ligne36. 
  4. Effectuer une reconstruction 3D ab initio. Dans CryoSPARC, utiliser la tâche de reconstruction ab initio (3 à 5 modèles initiaux recommandés pour les échantillons hétérogènes). Générer 1 à 4 modèles initiaux afin d'évaluer l'hétérogénéité structurale.
  5. Une fois que les valeurs reconstruites sont satisfaisantes, extraire à nouveau les particules non regroupées afin d'améliorer la résolution globale.
  6. Effectuer un affinement 3D à l’aide de l’affinement hétérogène (si plusieurs conformations ou classes sont suspectées), suivi d’un affinement homogène pour la meilleure classe. Dans CryoSPARC, utiliser l’affinement hétérogène suivi d’un affinement non uniforme. 
  7. Appliquer le polissage bayésien dans RELION13 ou utiliser une correction du mouvement par particule et un affinement de la CTF (tâche « CTF refinement » dans CryoSPARC) pour améliorer le signal par particule en tenant compte du mouvement induit par le faisceau et de la défocalisation par particule, selon les préférences de l'utilisateur. Cette étape améliore habituellement la résolution finale de la carte de 0,2 à 0,5 Å ÅDe plus, la correction du mouvement basée sur une référence (RBMC) dans CryoSPARC peut également être une option pour améliorer la résolution et la qualité de la carte.
  8. Valider la carte finale à l'aide de la procédure de référence de corrélation entre tranches de Fourier (FSC). Diviser la pile de particules en deux demi-ensembles indépendants, effectuer une affinement séparément, puis calculer la FSC entre les deux cartes demi-résolution. Indiquer la résolution finale à FSC = 0,143.
  9. Calculer la FSC entre la carte et le modèle (FSC-Q) et les scores Q après l'ajustement du modèle atomique, en tant que métriques de validation indépendantes37.
  10. Effectuer la construction et la validation du modèle atomique. Utiliser ModelAngelo pour la construction automatisée de novo à partir de la carte de densité20. Affiner le modèle à l'aide de l'affinement dans l'espace réel de PHENIX et le valider avec MolProbity.
  11. Utiliser COOT35 après la génération du modèle initial afin de visualiser la carte de densité, ajuster ou adapter les coordonnées atomiques, corriger les erreurs de modélisation, reconstruire les régions manquantes et optimiser les structures de protéines, d'acides nucléiques ou de ligands. Il permet une édition interactive des résidus, des conformations des chaînes latérales, des structures secondaires et des attributions de séquence, suivie d'un raffinement en espace réel afin d'améliorer la concordance entre le modèle atomique et la densité expérimentale.
  12. Enfin, déposez le modèle atomique final dans la Protein Data Bank (PDB), la carte de densité dans la Electron Microscopy Data Bank (EMDB), et les données brutes ou prétraitées dans l'Electron Microscopy Public Image Archive (EMPIAR).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

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...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

L'infrastructure informatique d'un laboratoire de microscopie électronique cryogénique n'est pas une simple considération secondaire, mais un prérequis opérationnel. Les laboratoires qui commencent la collecte de données sans capacité de stockage, de réseau et de traitement suffisantes se retrouvent inévitablement confrontés à un choix entre jeter les données brutes, interrompre la collecte de données ou accepter des retards de plusieurs mois dans la détermination des structures. Les protocoles décrits ici visent à évite...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs déclarent qu'ils n'ont aucun conflit d'intérêts.

Remerciements

Les auteurs remercient la plateforme de microscopie électronique cryogénique biomoléculaire du Département de chimie et de biochimie de l'Université de Californie–Santa Cruz (RRID : SCR_021755) pour leur soutien scientifique et technique (programme NIH High-End Instrumentation, S10OD02509).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Krios 5ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-5-cryo-tem.htmlMicroscope électronique en transmission
Krios G4ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-g4-cryo-tem.htmlMicroscope électronique en transmission
GlaciosThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-cryo-tem.htmlMicroscope électronique en transmission
Glacios 2ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-2-cryo-tem.htmlMicroscope électronique en transmission
Glacios 3ThermoFisher Scientifichttps://www.thermofisher.com/ (dernière génération ; la page produit peut varier selon la région)Microscope électronique en transmission
Talos ArcticaThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-arctica.htmlMicroscope électronique en transmission
Talos L120CThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-l120c.htmlMicroscope électronique en transmission
CRYO ARM 300 II (JEM-Z300FSC)JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm300ii.phpMicroscope électronique en transmission
CRYO ARM 200JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm200.phpMicroscope électronique en transmission
JEM-3200FSCJEOLhttps://www.jeol.com/products/scientific/tem/jem3200fsc.phpMicroscope électronique en transmission
HF8300Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/hf8300.htmlMicroscope électronique en transmission
HT7800Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/ht7800.htmlMicroscope électronique en transmission
SU9000 (TEM/STEM)Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/sem-tem/su9000.htmlMicroscope électronique en transmission
Falcon 4iThermo Fisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/direct-electron-detectors/falcon-4i.htmlDétecteur d'électrons directs
Gatan K3Gatan (AMETEK)https://gatan.com/products/tem-cameras/k3-is-cameraDétecteur d'électrons directs
Gatan K2Gatanhttps://gatan.com/products/tem-cameras/k2-cameraDétecteur d'électrons directs
ApolloDirect Electronhttps://directelectron.com/apollo/Détecteur d'électrons directs
DE64Direct Electronhttps://directelectron.com/de-64/Détecteur d'électrons directs
RELIONMRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://relion.readthedocs.ioLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
cryoSPARCStructura Biotechnologyhttps://cryosparc.comLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
EMAN2Baylor College of Medicine (Développé par le laboratoire de Steven Ludtke)https://blake.bcm.edu/emanwiki/EMAN2Logiciel pour la microscopie cryo-électronique à particules isolées (SPA)
cisTEMNational Research Council Canada (Développé par Tim Grant et collègues)https://cistem.orgLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
SPHIREMax Planck Institute of Molecular Physiology et Baylor College of Medicinehttps://sphire.mpg.deLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
cryoDRGNPrinceton University (Développé par le laboratoire d'Ellen Zhong)https://cryodrgn.cs.princeton.eduLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
TopazHarvard Medical School (Développé par le laboratoire de Travis Bepler)https://github.com/tbepler/topazLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
crYOLOMax Planck Institute of Biophysicshttps://cryolo.readthedocs.ioLogiciel pour la microscopie cryo-électronique à particules isolées (SPA)
WarpMRC Laboratory of Molecular Biology (Développé par Dmitry Tegunov)http://www.warpem.comLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
ModelAngeloMRC Laboratory of Molecular Biologyhttps://www.modelangelo.orgLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
IMODUniversity of Colorado Boulderhttps://bio3d.colorado.edu/imodLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
DynamoCentro Nacional de Biotecnología (CNB-CSIC)https://www.dynamo-em.orgLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
emClarityUniversity of California, San Franciscohttps://github.com/StochasticAnalytics/emClarityLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
RELION (module ET)MRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://relion.readthedocs.ioLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
EMAN2 (SPT)Baylor College of Medicinehttps://blake.bcm.edu/emanwiki/EMAN2Logiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
Warp/MMRC Laboratory of Molecular Biologyhttps://warpem.github.ioLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
AreTomoStanford University (Développé par les groupes de Fei Sun et Wah Chiu)https://github.com/czimaginginstitute/AreTomo2Logiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
PEETUniversity of Colorado Boulderhttps://bio3d.colorado.edu/PEETLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
PyTomMax Planck Institute of Biochemistryhttps://pytom.orgLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
Tomo3DSpanish National Centre for Biotechnology (CNB-CSIC)https://sites.google.com/site/3demimageprocessing/tomo3dLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
crYOLO (3D)Max Planck Institute of Biophysicshttps://cryolo.readthedocs.ioLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
AITomCarnegie Mellon Universityhttps://github.com/xulabs/aitomLogiciel pour la tomographie électronique cryogénique (cryo-ET) et l'analyse par alignement de sous-tomogrammes (STA)
DIALSDiamond Light Source et collaborateurshttps://dials.github.ioLogiciel pour la microdiffraction électronique (microED)
XDSMax Planck Institute for Medical Research (Développé par Wolfgang Kabsch)https://xds.mr.mpg.deLogiciel pour la microdiffraction électronique (microED)
MOSFLMMRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://www.mrc-lmb.cam.ac.uk/mosflmLogiciel pour la microdiffraction électronique (microED)
SHELXUniversity of Göttingen (Développé par George M. Sheldrick)https://shelx.uni-goettingen.deLogiciel pour la microdiffraction électronique (microED)
PhenixLawrence Berkeley National Laboratory (PHENIX Consortium)https://phenix-online.orgLogiciel pour la microdiffraction électronique (microED)
CootMRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://www2.mrc-lmb.cam.ac.uk/personal/pemsley/cootLogiciel pour la microdiffraction électronique (microED)
Linux (Ubuntu, CentOS/Rocky)Ubuntu : Canonical Ltd. ; CentOS : CentOS Project ; Rocky Linux : Rocky Enterprise Software Foundation (RESF)https://ubuntu.com / https://www.centos.org (héritage) /  https://rockylinux.orgSystème d'exploitation
WindowsMicrosofthttps://www.microsoft.com/windowsSystème d'exploitation
ZFSOracle Corporation (initialement Sun Microsystems) ; OpenZFS maintenu par la communauté OpenZFShttps://openzfs.orgSystème de fichiers
NFSSun Microsystems (maintenant maintenu comme norme IETF)https://www.rfc-editor.org/rfc/rfc8881Protocole
SMB (CIFS)Microsofthttps://learn.microsoft.com/windows-server/storage/file-server/file-server-smb-overviewProtocole
Microsoft Remote Desktop (RDP)Microsofthttps://learn.microsoft.com/windows-server/remote/remote-desktop-servicesAccès à distance
NoMachineNoMachinehttps://www.nomachine.comAccès à distance
TeamViewerTeamViewer SEhttps://www.teamviewer.comAccès à distance
VirtualGL + TurboVNCVirtualGL : The VirtualGL Project ; TurboVNC : The TurboVNC Projecthttps://virtualgl.org et https://turbovnc.orgAccès à distance
CUDANVIDIAhttps://developer.nvidia.com/cuda-toolkitInfrastructure informatique

Références

  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.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Explorer plus d’articles

Installation de cryo-EMinfrastructure de donnéescalcul GPUtraitement au fil de l'eaucorrection du mouvementestimation de la CTFsélection de particulesclassification 2Darchivage de données

Cet article a été publié

Vidéo bientôt disponible

Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.