שיפור מפות צפיפות על ידי הסרת רוב החלקיקים בערימות סופיות של מיקרוסקופ אלקטרונים קריוגני של חלקיק יחיד
10 במאי 2024
שיטת בחירת חלקיקים מתקדמת עבור cryo-EM, כלומר CryoSieve, משפרת את רזולוציית מפת הצפיפות על ידי הסרת רוב החלקיקים בערימות סופיות, כפי שהודגם באמצעות היישום שלה על מערך נתונים בעולם האמיתי.
מיקרוסקופ אלקטרונים קריוגני חיוני לקביעת מבנים כמעט אטומיים של מקרומולקולות ביולוגיות. למרות הסתמכותו על ממוצע של מספר רב של תמונות נמוכות אות לרעש, המספר האופטימלי של חלקיקים הדרושים לרזולוציה ספציפית נותר לא ידוע. מגבלה זו מעכבת את ההתקדמות בניתוח הדגימות ובשיטות ההכנה.
כדי להתמודד עם זה, אנו מציגים שיטת מיון איטרטיבית, CryoSieve. בחירת פרוטוקול סטנדרטית כוללת סיווג דו-ממדי ותלת ממדי, קריטריוני מיון פרוטוקולים אחרים כגון שיטת המתאם הצולב המנורמל, גישת עקביות הגרף הזוויתי וסיווג אי-היישור נמצאים כעת בשימוש. ניסויים נרחבים מראים כי CryoSieve עולה בביצועיו על אלגוריתמים אחרים למיון חלקיקי cryo-EM, וחושפים כי רוב החלקיקים אינם נחוצים בערימות סופיות.
מיעוט החלקיקים שנותרו בערימות הסופיות מניב משרעת ברזולוציה גבוהה מאוד במפות צפיפות שחזור. עבור ערכות נתונים מסוימות, גודלה של תת-הקבוצה הטובה ביותר מתקרב לגבול התיאורטי. ב- cryo-EM, הכנת דוגמאות מעכבת את זרימת העבודה.
בשל היעדר מדדים סטנדרטיים להשוואת פרוטוקולים, היחס בין חלקיקים נבחרים לחלקיקים שנאספו יכול לשמש כמדד איכות. בחינת הפיזור המרחבי והזמני שלהם עשויה גם להדגיש גורמים פיזיקליים מרכזיים ביעילות ההכנה.
סקירה כללית
מחקר זה מציג את CryoSieve, שיטה מתקדמת לבחירת חלקיקים עבור מיקרוסקופיה אלקטרונית קריוגנית (cryo-EM) המשפרת את רזולוציית מפת הצפיפות. באמצעות הסרת חלקיקים מיותרים מהמחסניות הסופיות, CryoSieve משפרת באופן משמעותי את האיכות של מפות הצפיפות המשוחזרות.
מרכיבי מפתח של המחקר
תחום המדע
- מיקרוסקופיה אלקטרונית קריוגנית (Cryo-electron microscopy)
- ביולוגיה מבנית
- שיטות לבחירת חלקיקים
רקע
- מיקרוסקופיה אלקטרונית בקריוגניה (Cryo-EM) היא חיונית לקביעת מבנים ברזולוציה קרובה לרמה האטומית של מקרו-מולקולות ביולוגיות.
- שיטות נוכחיות לבחירת חלקיקים משאירות לעיתים קרובות חלקיקים מיותרים, דבר המגביל את הרזולוציה.
- טכניקות בחירה סטנדרטיות כוללות שיטות סיווג ומדדים שונים.
- קיים מחסור במדדים סטנדרטיים להשוואה בין פרוטוקולים להכנת דגימות.
מטרת המחקר
- פיתוח שיטה של מיון איטרטיבי המבצעת אופטימיזציה לבחירת חלקיקים ב-cryo-EM.
- הדגמת היעילות של CryoSieve בשיפור רזולוציית מפת הצפיפות.
- קביעת מדד איכות המבוסס על היחס בין חלקיקים נבחרים לחלקיקים שנאספו.
שיטות שבהן נעשה שימוש
- שיטת מיון איטרטיבית לבחירת חלקיקים.
- האצת GPU ליעילות עיבוד.
- שימוש בפקודות ספציפיות להגדרת הסביבה ולהרצת CryoSieve.
- השוואה של מפות צפיפות לפני ואחרי יישום CryoSieve.
תוצאות עיקריות
- CryoSieve הציג ביצועים עדיפים על פני אלגוריתמים קיימים לבחירת חלקיקים.
- תת-הקבוצה הסופית של החלקיקים התקרבה לגבולות התאורטיים, והניבה מפות ברזולוציה גבוהה.
- נצפו שיפורים משמעותיים בגורם B של Rosenthal Henderson.
- מפות צפיפות משופרות הראו שרשראות צד ופרטים מבניים ברורים יותר.
מסקנות
- CryoSieve משפר ביעילות את האיכות של מפות צפיפות ב-cryo-EM.
- השיטה מפחיתה את מספר החלקיקים תוך שיפור הרזולוציה.
- עבודות עתידיות עשויות להתמקד בסטנדרטיזציה של מדדים להכנת דגימות עבור cryo-EM.
שאלות נפוצות
רלוונטיות תעשייתית למסמך ניהולי
בירור מבני ברזולוציה גבוהה של מקרו-מולקולות ביולוגיות הוא קריטי לתיקוף מטרות ולצמצום סיכונים מכניסטיים במחקר ופיתוח בביו-פארמה. תהליך העבודה האיטרטיבי של CryoSieve לבחירת חלקיקים משפר את איכות מפת הצפיפות ב-cryo-EM של חלקיק בודד על ידי הסרת מרבית החלקיקים שאינם תורמים, ובכך משפיע ישירות על רמת הביטחון החיזויית של המודלים המבניים. יכולת זו תומכת בקבלת החלטות אמינות יותר בשלבי הגילוי המוקדמים ובמיון פורטפוליו על ידי שיפור המהימנות של התובנות המולקולריות.
יישומים אסטרטגיים במחקר ופיתוח בביופארמה
גילוי מוקדם ותיקוף מטרה
- מאפשר בחינה קפדנית של היפותזות טיפוליות באמצעות בהירות מבנית משופרת.
- מפחית עמימות מכניסטית על ידי זיקוק מפות צפיפות לרזולוציה קרובה לאטומית.
- תומך בתיקוף פונקציונלי של מטרה על ידי אספקת נתונים מבניים בעלי רמת ביטחון גבוהה יותר.
- מסייע במיון פורטפוליו באמצעות זיהוי מטרות באיכות גבוהה על בסיס ראיות מבניות.
סריקה ופיתוח בדיקה (Assay)
- מכין מודלים מבניים שעברו ולידציה לצורך תהליכי סינון והערכת תרכובות בהמשך העבודה.
- משפר את השחזוריות של הבדיקה על ידי סטנדרטיזציה של בחירת החלקיקים ואיכות המפה.
- מאפשר הערכה כמותית של מאפיינים מבניים הרלוונטיים לקשירת ליגנדים או למודולציה שלהם.
- תומך בפיתוח פלטפורמה ניתנת להרחבה ולשימוש חוזר לסינון מבוסס מבנה.
מחקר תרגומי ופרה-קליני
- מתאימה פלטי מבנה למודלים רלוונטיים למחלה לצורך פיתוח ביומרקרים תרגומיים.
- מספקת רציפות משלב הגילוי ועד לתיקוף פרה-קליני על ידי הבטחת דיוק מבני.
- מפחיתה סיכונים בקבלת החלטות על קידום התהליך באמצעות אספקת נתונים מולקולריים חסונים ברזולוציה גבוהה.
- משפרת את הערך החזוי עבור מחקרים פונקציונליים ופרמקולוגיים בהמשך התהליך.
שילוב תהליכי עבודה וצינורות עיבוד
תהליך העבודה של CryoSieve משתלב ברצף הגילוי, מהשלבים המוקדמים של הביולוגיה המבנית דרך זיהוי מולקולות מובילות (lead identification) ועד למחקר פרה-קליני, ובכך תומך בבדיקה איטרטיבית של היפותזות ובדיוק של מודלים.
- ביולוגיה של גילוי: מזקקת היפותזות מבניות ומבהירה מסלולים מולקולריים על ידי מקסום הרזולוציה של מפת הצפיפות.
- סריקה: מספקת נתונים מבניים איכותיים וניתנים לשחזור לצורך פיתוח בדיקות וסריקת תרכובות.
- אנליטיקה: מספקת פלטים כמותיים כגון B factor ורזולוציה מקומית להשוואה אובייקטיבית של תנאים.
- מחקר תרגומי: מגשר בין שלבי הגילוי לשלבים הפרה-קליניים על ידי התאמת נתונים מבניים למודלים של מחלות.
- שימוש חוזר ארגוני: מבסס גישה סטנדרטית וניתנת להרחבה לבחירת חלקיקים בפרויקטים מרובים.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החזוי ומפחית את אי-הוודאות המכניסטית במודלים מבניים.
- ערך תפעולי: מתקנן ומייעל את בחירת החלקיקים, ובכך משפר את השחזוריות והיכולת להרחבה (scalability).
- ערך אסטרטגי: מאפשר קבלת החלטות מושכלת יותר לגבי המשך או הפסקת הפיתוח (go/no-go) ומשפר את יעילות ההון על ידי הפחתת סיכון ביולוגי בשלבים מאוחרים.
- השפעה על הפורטפוליו: תומך בתעדוף מותאם-סיכון ובקידום של מטרות מאושרות מבנית.
שיקולי יישום
- דורש מומחיות בעיבוד נתוני cryo-EM ובביולוגיה מבנית.
- מחייב תשתית חישובית מואצת ב-GPU לצורך מיון איטרטיבי יעיל.
- מצריך סטנדרטיזציה בין-צוותית של בחירת חלקיקים ומדדי איכות.
- ניתן להסתגל למערכות מקרו-מולקולריות מגוונות, אך התוצאה תלויה באיכות מערך הנתונים.
- מגבלות מעשיות כוללות את הצורך בהכנת דגימות חסונה ובתהליכי עבודה לניהול נתונים.
