Name: Exploiter la réalité virtuelle pour la segmentation et l’analyse immersives des données de cryo-tomographie électronique (Vidéo) | JoVE Journal
Uploaded: 2025-01-24T15:00:00.000+00:00
Duration: 7 min 17 s
Description: Découvrez la segmentation de données de cryo-tomographie électronique par réalité virtuelle pour l'analyse de structures mitochondriales dans les cellules mammifères. Cette méthode améliore l'efficacité et la précision du traitement des données.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<meta charset="utf8"></head><body>Outils d’interaction VR : segmentation de données 3D Cryo-ET

<ol><li>Plitzko, J. M., Schuler, B., Selenko, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+biology+outside+the+box-inside+the+cell%5BTitle%5D)+AND+%22Curr+Opin+Struct+Biol%22%5BJournal%5D)">Structural biology outside the box-inside the cell.</a> Curr Opin Struct Biol. 46, 110-121 (2017).</li>
<li>Beck, M., Baumeister, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryo-electron+tomography%3A+can+it+reveal+the+molecular+sociology+of+cells+in+atomic+detail%5BTitle%5D)+AND+%22Trends+Cell+Biol%22%5BJournal%5D)">Cryo-electron tomography: can it reveal the molecular sociology of cells in atomic detail.</a> Trends Cell Biol. 26 (11), 825-837 (2016).</li>
<li>Lam, V., Villa, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Practical+approaches+for+cryo-FIB+milling+and+applications+for+cellular+cryo-electron+tomography%5BTitle%5D)+AND+%22Methods+Mol+Biol%22%5BJournal%5D)">Practical approaches for cryo-FIB milling and applications for cellular cryo-electron tomography.</a> Methods Mol Biol. 2215, 49-82 (2021).</li>
<li>Berger, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryo-electron+tomography+on+focused+ion+beam+lamellae+transforms+structural+cell+biology%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Cryo-electron tomography on focused ion beam lamellae transforms structural cell biology.</a> Nat Methods. 20 (4), 499-511 (2023).</li>
<li>Watson, A. J. I., Bartesaghi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+cryo-ET+data+processing%3A+meeting+the+demands+of+visual+proteomics%5BTitle%5D)+AND+%22Curr+Opin+Struct+Biol%22%5BJournal%5D)">Advances in cryo-ET data processing: meeting the demands of visual proteomics.</a> Curr Opin Struct Biol. 87, 102861(2024).</li>
<li>Pyle, E., Zanetti, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Current+data+processing+strategies+for+cryo-electron+tomography+and+subtomogram+averaging%5BTitle%5D)+AND+%22Biochem+J%22%5BJournal%5D)">Current data processing strategies for cryo-electron tomography and subtomogram averaging.</a> Biochem J. 478 (10), 1827-1845 (2021).</li>
<li>Wan, W., Briggs, J. A. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryo-electron+tomography+and+subtomogram+averaging%5BTitle%5D)+AND+%22Methods+Enzymol%22%5BJournal%5D)">Cryo-electron tomography and subtomogram averaging.</a> Methods Enzymol. 579, 329-367 (2016).</li>
<li>Ni, T., Liu, K., Zhang, J., Atanasov, I., Mladenov, M. G., Jiang, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+in+situ+structure+determination+by+cryo-electron+tomography+and+subtomogram+averaging+using+emClarity%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">High-resolution in situ structure determination by cryo-electron tomography and subtomogram averaging using emClarity.</a> Nat Protoc. 17 (2), 421-444 (2022).</li>
<li>Obr, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exploring+high-resolution+cryo-ET+and+subtomogram+averaging+capabilities+of+contemporary+DEDs%5BTitle%5D)+AND+%22J+Struct+Biol%22%5BJournal%5D)">Exploring high-resolution cryo-ET and subtomogram averaging capabilities of contemporary DEDs.</a> J Struct Biol. 214 (2), 107852(2021).</li>
<li>Tegunov, D., Xue, L., Dienemann, C., Cramer, P., Mahamid, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-particle+cryo-EM+refinement+with+M+visualizes+ribosome-antibiotic+complex+at+3.5+%C3%85+in+cells%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Multi-particle cryo-EM refinement with M visualizes ribosome-antibiotic complex at 3.5 Å in cells.</a> Nat Methods. 18 (2), 186-193 (2021).</li>
<li>Salfer, M., Collado, J. F., Baumeister, W., Fernández-Busnadiego, R., Martínez-Sánchez, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reliable+estimation+of+membrane+curvature+for+cryo-electron+tomography%5BTitle%5D)+AND+%22PLoS+Comput+Biol%22%5BJournal%5D)">Reliable estimation of membrane curvature for cryo-electron tomography.</a> PLoS Comput Biol. 16 (8), e1007962(2020).</li>
<li>Barad, B. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantifying+organellar+ultrastructure+in+cryo-electron+tomography+using+a+surface+morphometrics+pipeline%5BTitle%5D)+AND+%22J+Cell+Biol%22%5BJournal%5D)">Quantifying organellar ultrastructure in cryo-electron tomography using a surface morphometrics pipeline.</a> J Cell Biol. 222 (2), e202204093(2023).</li>
<li>Martinez-Sanchez, A., Garcia, I., Asano, S., Lucic, V., Fernandez, J. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robust+membrane+detection+based+on+tensor+voting+for+electron+tomography%5BTitle%5D)+AND+%22J+Struct+Biol%22%5BJournal%5D)">Robust membrane detection based on tensor voting for electron tomography.</a> J Struct Biol. 186 (1), 49-61 (2014).</li>
<li>Heebner, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+learning-based+segmentation+of+cryo-electron+tomograms%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Deep learning-based segmentation of cryo-electron tomograms.</a> J Vis Exp. (189), e64435(2022).</li>
<li>Garza-López, E., Robles-Flores, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protocols+for+generating+surfaces+and+measuring+3D+organelle+morphology+using+Amira%5BTitle%5D)+AND+%22Cells%22%5BJournal%5D)">Protocols for generating surfaces and measuring 3D organelle morphology using Amira.</a> Cells. 11 (1), 65(2021).</li>
<li>Chen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convolutional+neural+networks+for+automated+annotation+of+cellular+cryo-electron+tomograms%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Convolutional neural networks for automated annotation of cellular cryo-electron tomograms.</a> Nat Methods. 14 (10), 983-985 (2017).</li>
<li>Lamm, L., et al. MemBrain v2: an end-to-end tool for the analysis of membranes in cryo-electron tomography. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLamm%2C+L+%22bioRxiv%22">bioRxiv</a>. , (2024).</li>
<li>Pidhorskyi, S., Morehead, M., Jones, Q., Spirou, G., Doretto, G. syGlass: interactive exploration of multidimensional images using virtual reality head-mounted displays. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPidhorskyi%2C+S+%22arXiv%22">arXiv</a>. , (2018).</li>
<li>Schindelin, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fiji%3A+an+open-source+platform+for+biological-image+analysis%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Fiji: an open-source platform for biological-image analysis.</a> Nat Methods. 9 (7), 676-682 (2012).</li>
<li>Tegunov, D., Cramer, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+cryo-electron+microscopy+data+preprocessing+with+Warp%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Real-time cryo-electron microscopy data preprocessing with Warp.</a> Nat Methods. 16 (11), 1146-1152 (2019).</li>
<li>Bepler, T., Kelley, K., Noble, A. J., Berger, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Topaz-Denoise%3A+general+deep+denoising+models+for+cryoEM+and+cryoET%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Topaz-Denoise: general deep denoising models for cryoEM and cryoET.</a> Nat Commun. 11, 5208(2020).</li>
<li>Buchholz, T. -O., Berninger, L., Maurer, M., Jug, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryo-CARE%3A+content-aware+image+restoration+for+cryo-transmission+electron+microscopy+data%5BTitle%5D)+AND+%22Proc+IEEE+Int+Symp+Biomed+Imaging%22%5BJournal%5D)">Cryo-CARE: content-aware image restoration for cryo-transmission electron microscopy data.</a> Proc IEEE Int Symp Biomed Imaging. 16, 502-506 (2019).</li>
<li>Buchholz, T. -O., Jordan, M., Pigino, G., Jug, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Content-aware+image+restoration+for+electron+microscopy%5BTitle%5D)+AND+%22Methods+Cell+Biol%22%5BJournal%5D)">Content-aware image restoration for electron microscopy.</a> Methods Cell Biol. 152, 277-289 (2019).</li>
<li>Liu, Y. -T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Isotropic+reconstruction+for+electron+tomography+with+deep+learning%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Isotropic reconstruction for electron tomography with deep learning.</a> Nat Commun. 13, 6482(2022).</li>
<li>Kremer, J. R., Mastronarde, D. N., McIntosh, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+visualization+of+three-dimensional+image+data+using+IMOD%5BTitle%5D)+AND+%22J+Struct+Biol%22%5BJournal%5D)">Computer visualization of three-dimensional image data using IMOD.</a> J Struct Biol. 116 (1), 71-76 (1996).</li>
</ol>

<table><tbody><tr><td>Format de données</td><td></td><td></td> CryoET <td>: TIFF-stack, TIFF</td></tr><tr><td>HTC VIVE Cosmos</td><td>HTC</td><td>99HARL000-00</td><td>https://www.vive.com/sea/product/vive-cosmos/features/</td></tr> <tr><td>Intel(R) Core(TM) i7-10870H CPU @ 2.20 GHz 2.21 GHz</td><td>Intel</td><td></td><td>https://ark.intel.com/content/www/us/en/ark/products/208018/intel-core-i7-10870h-processor-16m-cache-up-to-5-00-ghz.html</td></tr><tr><td>NVIDIA GeForce RTX 3070 Laptop GPU</td><td>NVIDIA</td><td></td><td>https://www.nvidia.com/en-us/geforce/laptops/compare/30-series/</td></tr> <tr><td>syGlass Software</td><td>syGlass syGlass</td><td></td><td>Software installé sur un PC Windows compatible</td></tr><tr><td>VIVE Cosmos Hand Controllers</td><td>HTC</td><td>99HAFR001-00</td><td>https://www.vive.com/us/accessory/cosmos-controller-right/</td></tr> <tr><td>Windows 11 Home</td><td>Microsoft</td><td></td><td>Microsoft Windows 11 Famille</td></tr></tbody></table>

exploiter la réalité virtuelle pour la segmentation et l’analyse immersives des données de cryo-tomographie électronique

Leveraging Virtual Reality for Immersive Segmentation and Analysis of Cryo-Electron Tomography Data

Dans cette étude, nous avons segmenté des tomogrammes contenant des mitochondries et des organites membraneux supplémentaires (par exemple, des vésicules, un réticulum endoplasmique) à l’aide de syGlass. Les tomogrammes ont d’abord été reconstruits en Warp à l’aide d’une projection pondérée à 16,00 Å/pixel et ont été soumis à une correction de coin manquante et à un débruitage à l’aide du logiciel IsoNet. Les tomogrammes suivants ont fait l’objet d’un traitement supplémentaire pour l’importation, comme le montre la figure 1A (voir également Vidéo supplémentaire S1, Vidéo supplémentaire S2, Vidéo supplémentaire S3 et Vidéo supplémentaire S4).
Après le prétraitement, les tomogrammes au format MRC ont été convertis en piles TIFF à l’aide d’ImageJ, avec une inversion de contraste appliquée pour faire apparaître les membranes blanches sur un fond noir. L’égalisation de l’histogramme a ensuite été effectuée pour améliorer encore le contraste ; Cela permet également un seuillage plus efficace. Les piles TIFF ont été importées et visualisées en 3D dans un environnement VR immersif, permettant une inspection détaillée des structures membraneuses à l’aide de l’outil de coupe dans le logiciel illustré à la figure 1B.
La segmentation manuelle a été effectuée dans le logiciel, avec le fenêtrage réglé sur auto et des ajustements de luminosité/seuil effectués pour optimiser la visibilité des fonctions cellulaires. Les zones d’intérêt autour des mitochondries et d’autres structures ont été définies à l’aide des contrôleurs VR. L’outil de segmentation a permis de délimiter avec précision les limites de la membrane, les erreurs étant corrigées à l’aide de la fonction d’effacement. La navigation tranche par tranche ou en 3D à l’aide de l’outil ROI pour boxer les régions du tomogramme, combinée à l’outil pinceau réglable, a assuré une segmentation précise des membranes mitochondriales et d’autres organites, comme le montre la figure 1C.
Les données segmentées ont été visualisées en générant un maillage à l’aide de l’option de surfaces de l’outil ROI, avec des itérations de lissage définies sur 12 et un niveau de résolution défini sur 3. Les rendus 3D finaux montrent clairement les structures mitochondriales, y compris les membranes externe et interne, les crêtes et les dépôts de phosphate de calcium, comme le montre la figure 1D (voir également la vidéo supplémentaire S5, la vidéo supplémentaire S6, la vidéo supplémentaire S7 et la vidéo supplémentaire S8).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67849/67849fig01.jpg"> 
Figure 1 : Flux de travail de visualisation de tomogrammes, de segmentation et de rendu 3D à l’aide de syglass. (A) Tranches tomographiques de cellules RPE1 à bords fins. Tomogrammes corrigés IsoNet reconstruits dans Warp et utilisés pour la segmentation avec syGlass, visualisés avec IMOD25. Les tomogrammes ont été collectés sur un microscope Titan-Krios de 300 keV équipé d’un détecteur K3 et se sont concentrés sur les bords minces des cellules de l’épithélium rétinien. Chaque tomogramme contient au moins une mitochondrie ainsi que divers autres organites liés à une membrane. Ces images sont des images fixes de vidéos présentées dans les vidéos supplémentaires S1, S2, S3 et S4. (B) Les tomogrammes correspondants visualisés dans le logiciel. Tranche tomographique créée à l’aide de l’outil de coupe dans le logiciel VR après optimisation du seuillage, de la luminosité et du fenêtrage, révélant des structures cellulaires distinctes. (C) Tomogrammes visualisés dans le logiciel avec des membranes segmentées. Tranche tomographique créée avec l’outil de coupe dans le logiciel VR, superposée à la segmentation correspondante. Les dépôts de phosphate de calcium sont représentés en jaune, les membranes mitochondriales en cyan et d’autres membranes telles que les vésicules et la membrane plasmique en violet. (D) Rendu 3D des membranes segmentées dans syGlass. Les membranes mitochondriales, y compris les crêtes, les membranes mitochondriales externes et internes, sont illustrées en cyan. Les dépôts de phosphate de calcium sont en jaune ou en vert, les vésicules et la membrane plasmique sont en violet, et le réticulum endoplasmique sont en beige. Ces images sont des images fixes de vidéos présentées dans les vidéos supplémentaires S5, Vidéos supplémentaires S6, Vidéo supplémentaire S7 et Vidéo supplémentaire S8. <a href="https://www.jove.com/files/ftp_upload/67849/67849fig01large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
Vidéo supplémentaire S1 : Tomogramme de l’échantillon RPE-1_1 utilisé pour la segmentation dans cette étude. Ce tomogramme est reconstruit à 16 Å/pixel à l’aide de Warp, puis débruité et corrigé pour le coin manquant à l’aide d’IsoNet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile1a-Edward-Eng.avi" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S2 : Tomogramme de l’échantillon RPE-1_2 utilisé pour la segmentation dans cette étude. Ce tomogramme est reconstruit à 16 Å/pixel à l’aide de Warp, puis débruité et corrigé pour le coin manquant à l’aide d’IsoNet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile1b-Edward-Eng.avi" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S3 : Tomogramme de l’échantillon RPE-1_3 utilisé pour la segmentation dans cette étude. Ce tomogramme est reconstruit à 16 Å/pixel à l’aide de Warp, puis débruité et corrigé pour le coin manquant à l’aide d’IsoNet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile1c-Edward-Eng.avi" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S4 : Tomogramme de l’échantillon RPE-1_4 utilisé pour la segmentation dans cette étude. Ce tomogramme est reconstruit à 16 Å/pixel à l’aide de Warp, puis débruité et corrigé pour le coin manquant à l’aide d’IsoNet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile1d-Edward-Eng.avi" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S5 : La segmentation résultante de l’échantillon RPE-1_1 après génération de surfaces. Les membranes mitochondriales sont représentées en cyan ; les phosphates de calcium dans les mitochondries sont représentés en jaune ; le réticulum endoplasmique est montré en beige ; et les autres membranes sont affichées en violet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile2a-Edward-Eng.mp4" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S6 : La segmentation résultante de l’échantillon RPE-1_2 après génération de surfaces. Les membranes mitochondriales sont représentées en cyan ; les phosphates de calcium dans les mitochondries sont représentés en jaune ; le réticulum endoplasmique est montré en beige ; et les autres membranes sont affichées en violet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile2b-Edward-Eng.mp4" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S7 : La segmentation résultante de l’échantillon RPE-1_3 après génération de surfaces. Les membranes mitochondriales sont représentées en cyan ; les phosphates de calcium dans les mitochondries sont représentés en jaune ; le réticulum endoplasmique est montré en beige ; et les autres membranes sont affichées en violet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile2c-Edward-Eng.mp4" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>
Vidéo supplémentaire S8 : La segmentation résultante de l’échantillon RPE-1_4 après génération de surfaces. Les membranes mitochondriales sont représentées en cyan ; les phosphates de calcium dans les mitochondries sont représentés en jaune ; le réticulum endoplasmique est montré en beige ; et les autres membranes sont affichées en violet. <a href="https://www.jove.com/files/ftp_upload/67849/67849_SuppFile2d-Edward-Eng.mp4" target="_blank">Veuillez cliquer ici pour télécharger ce fichier.</a>

Exploiter la réalité virtuelle pour la segmentation et l’analyse immersives des données de cryo-tomographie électronique

Cryo-electron tomography (cryo-ET) is a powerful technique for visualizing the ultrastructure of cells in three dimensions (3D) at nanometer resolution. ...

leveraging-virtual-reality-for-immersive-segmentation-analysis-cryo

Research

Recherche

JoVE Journal

Biology

Biologie

Le goulot d'étranglement pour la microscopie électronique 3D cellulaire est l'extraction de caractéristiques (segmentation) dans des cartes très complexes de densité 3D. Nous avons développé un ensemble de critères, qui fournit des précisions sur l'approche de segmentation (manuel, semi-automatique ou automatique) est le mieux adapté pour différents types de données, fournissant ainsi un point de départ pour la segmentation efficace.

De voxels à la connaissance: Un guide pratique de la segmentation du complexe microscopie électronique 3D-données

Le pipeline décrit est conçu pour la segmentation des ensembles de données de microscopie électronique plus grands que les gigaoctets, afin d'extraire des morphologies de cellules entières. Une fois que les cellules sont reconstruites en 3D, un logiciel personnalisé conçu autour de besoins individuels peut être utilisé pour effectuer une analyse qualitative et quantitative directement en 3D, en utilisant également la réalité virtuelle pour surmonter l'occlusion de vue.

Une méthode pour la reconstruction 3D et l'analyse de la réalité virtuelle des cellules gliales et neuronales

Utilisation du broyage par faisceau d’ions focalisés pour produire des lamelles vitreuses sur grille à partir d’échantillons biologiques congelés pour la cryotomographie électronique.

Préparation de lamelles à partir d’échantillons biologiques vitreux à l’aide d’un microscope électronique à balayage à double faisceau pour la cryotomographie électronique

La demande croissante de collecte de données à grande échelle en tomographie électronique cryogénique nécessite des routines d’acquisition d’images à haut débit. Décrit ici est un protocole qui met en œuvre les développements récents de stratégies d’acquisition avancées visant à maximiser l’efficacité du temps et le débit de la collecte de données tomographiques.

Stratégies d’optimisation de l’acquisition de données de tomographie électronique cryogénique

Le présent protocole décrit l’acquisition à distance de données par cryotomographie électronique à haute résolution à l’aide de Tomo5, ainsi que le traitement ultérieur des données et la moyenne des sous-tomogrammes à l’aide d’emClarity. L’apoferritine est utilisée comme exemple pour illustrer des processus détaillés étape par étape pour obtenir une structure cryo-ET à une résolution de 2,86 Å.

Cryotomographie électronique Collecte de données à distance et moyenne par sous-tomogramme

Il s’agit d’une méthode d’entraînement d’un U-Net multi-coupes pour la segmentation multi-classe de tomogrammes cryo-électroniques en utilisant une partie d’un tomogramme comme entrée d’apprentissage. Nous décrivons comment déduire ce réseau à d’autres tomogrammes et comment extraire des segmentations pour des analyses plus approfondies, telles que la moyenne des sous-tomogrammes et le traçage filamentaire.

Segmentation basée sur l’apprentissage profond des tomogrammes cryoélectroniques

La tomographie cryo-STEM permet de visualiser les organites de cellules intactes sans enrobage, sectionnement ou autres préparations invasives. La résolution 3D obtenue est actuellement de l’ordre de quelques nanomètres, avec un champ de vision de plusieurs micromètres et une épaisseur accessible de l’ordre de 1 μm.

Visualisation d’organites in situ par tomographie cryo-STEM

Ce protocole standardise la tomographie cryo-électronique (cryo-ET) pour les tissus épais en intégrant la gelation à haute pression (HPF) avec la méthode gaufreuse, le levage par faisceau d’ions de focalisation cryogénique (cryo-FIB), et l’acquisition parallèle symétrique en dose, produisant des lamelles uniformément fines et des échantillons vitrifiés pour une analyse in situ reproductible dans l’hippocampe de souris.

Flux de travail de la tomographie cryo-électronique pour tissus épais démontré dans l’hippocampe de souris

Cet article décrit un nouveau protocole et de réactif mis conçu pour la mesure sensibles des effets neurotoxiques de composés et de traitements sur les co-cultures de neurones et les astrocytes en utilisant l'analyse à haute teneur. Les résultats démontrent que l'analyse de contenu de haute technologie représente un roman passionnant pour l'évaluation de la neurotoxicité.

Un neuronale et astrocytes de co-culture de dosage pour l&#39;analyse du contenu haute de la neurotoxicité

Le Projet sur la Réalité Virtuelle intelligente multi-capteur du système pour le traitement des troubles anxieux (Intrepid) vise à développer une multi-capteurs sensibles au contexte du système de réalité virtuelle pour le traitement des troubles anxieux.

L&#39;utilisation du biofeedback dans la Réalité Virtuelle clinique: Le projet INTREPID

Découvrez la segmentation de données de cryo-tomographie électronique par réalité virtuelle pour l'analyse de structures mitochondriales dans les cellules mammifères. Cette méthode améliore l'efficacité et la précision du traitement des données.

Exploiter la réalité virtuelle pour la segmentation et l’analyse immersives des données de cryo-tomographie électronique

Explorer plus de vidéos