Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Проектирование и эксплуатация собственного центра криоэлектронной микроскопии с ИТ-инфраструктурой и конвейерами обработки данных в режиме реального времени

154 просмотров

⸱

DOI:

10.3791/71837

⸱

1 сентября 2026 г.

 , 
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

В этой статье

Краткое содержание

В данном протоколе представлена практическая основа для проектирования и эксплуатации ИТ-инфраструктуры собственного центра криоэлектронной микроскопии (крио-ЭМ). Он охватывает планирование помещений, архитектуру сети, хранение данных, GPU-вычисления, удаленный доступ и обработку данных в реальном времени, что позволяет эффективно управлять многотерабайтными наборами данных, обеспечивая масштабируемость, устойчивость и высокую производительность операций крио-ЭМ.

Аннотация

Криоэлектронная микроскопия (крио-ЭМ) стала основным методом высокоразрешающего определения структуры биологических макромолекул. По мере роста числа институциональных центров крио-ЭМ по всему миру возникла постоянная проблема: инфраструктура данных, необходимая для поддержки этих центров, зачастую планируется недостаточно тщательно. Современные приборы для крио-ЭМ в сочетании с детекторами прямого детектирования электронов (DED) генерируют от 2 до 5 ТБ необработанных данных в день, и центр, обслуживающий 20 пользователей, может накопить примерно 2 ПБ данных за один операционный год. Обработка этих данных требует выделенных вычислительных узлов с GPU, высокоскоростных внутренних сетей и надежных стратегий долгосрочного архивирования — все это должно быть подготовлено до начала сбора данных. В данном протоколе представлена интегрированная концепция ИТ- и вычислительного проектирования собственного центра крио-ЭМ. Мы рассматриваем требования к физическому оснащению помещения (планировка, электропитание, охлаждение и виброизоляция), выбор оборудования (микроскопы, DED и вспомогательные приборы), а также весь вычислительный стек: конфигурацию сетевых коммутаторов, выбор и определение объема серверов хранения данных, предоставление вычислительных узлов GPU и архитектуру удаленного доступа. Далее приводится подробный протокол реализации конвейеров обработки данных «на лету» — включая коррекцию движения, оценку функции переноса контраста (CTF), выбор частиц и 2D-классификацию в режиме реального времени во время сбора данных — с использованием стандартных отраслевых инструментов. Также рассматриваются стратегии передачи данных для внешних пользователей. Данное руководство восполняет критический пробел в литературе и позволит исследователям и администраторам создавать центры крио-ЭМ, которые будут полностью готовы к вычислительным нагрузкам с первого дня работы.

Введение

Революция разрешения в криоэлектронной микроскопии (крио-ЭМ) трансформировала структурную биологию, позволив визуализировать белки, нуклеиновые кислоты и макромолекулярные комплексы с атомным разрешением без необходимости их кристаллизации1,2. Эта трансформация стала возможной благодаря трем техническим достижениям: разработке детекторов прямого детектирования электронов (DED) с высокой частотой кадров, усовершенствованию электронной оптики и механики микроскопов, а также оптимизации программного обеспечения для обработки изображений с ускорением на базе GPU3,4,5,6. В совокупности эти достижения сделали крио-ЭМ предпочтительным методом для постоянно растущего сообщества структурных биологов.

Спрос на доступ к криоэлектронной микроскопии (крио-ЭМ) привел к значительным инвестициям как в крупные национальные центры, так и в небольшие институциональные лаборатории. Национальные центры — такие как NCCAT, S2C2, PNCC и MCCET в США, а также eBIC, NeCEN и SciLifeLab в Европе3,5,6, — предоставляют доступ к самым современным приборам для утвержденных проектов. Собственные лаборатории дополняют эти ресурсы, поддерживая итерационные специфические исследования с более короткими сроками выполнения и более тесным взаимодействием между пользователями и персоналом. Однако создание функционирующей внутренней лаборатории требует гораздо большего, чем просто покупка микроскопа: вспомогательная ИТ-инфраструктура имеет не меньшее значение, и ее недостаточность является основной причиной эксплуатационных сбоев в новых центрах6.

За одну сессию высокопроизводительной криоэлектронной томографии (cryo-EM) за 24 h может быть получено от 2 до 5 TB необработанных данных в формате movie. При использовании нескольких микроскопов и нескольких пользователей объем данных быстро достигает петабайтного масштаба. Обработка таких данных требует использования конвейеров с GPU-ускорением, которые должны функционировать одновременно со сбором данных7,8. Задержки в предварительной обработке приводят к несвоевременному получению обратной связи о качестве данных и неэффективному использованию времени работы прибора. Несмотря на эти реалии, в большинстве опубликованных руководств по управлению центрами cryo-EM ИТ-компонентам уделяется минимальное внимание, и ни одно из них не содержит пошагового операционного протокола по развертыванию и валидации полной инфраструктуры данных.

Данный протокол восполняет этот пробел. Мы описываем физические и технические требования к строительству помещения, критерии выбора микроскопов и детекторов и — что наиболее важно — проектирование и внедрение ИТ-инфраструктуры, которая делает работу центра криоэлектронной микроскопии (крио-ЭМ) операционно жизнеспособной6. Особое внимание уделяется обработке данных «на лету»: автоматизированной параллельной предварительной обработке данных непосредственно в процессе сбора, что позволяет осуществлять контроль качества в режиме реального времени, определять стратегию сбора данных и значительно сокращать время обработки результатов после завершения сессии9,10,11. Следуя этому протоколу, разработчики центров смогут создать полноценную интегрированную систему крио-ЭМ, которая будет устойчиво и эффективно обслуживать широкое научное сообщество.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Подробная информация об оборудовании, программном обеспечении и материалах, используемых в данном протоколе, приведена в Таблице материалов.

1. Проектирование помещений, подбор персонала и планирование инфраструктуры

  1. Проведите оценку площадки. Выберите место для установки оборудования, которое обеспечит: виброизолированный пол (уровни внешних вибраций, в идеале < 1 µm/s СКЗ при 1–100 Гц); стабильность магнитного поля (< пространственный градиент 1 мГл/м и < временная вариация 0,1 мГс/м для приборов с ускоряющим напряжением 300 кВ); стабильная температура в помещении (18–22 °C с < 0.5 °C колебания); контроль влажности (40–60% относительной влажности); и низкий уровень акустического шума (<50 дБ). Рекомендуется ознакомиться с требованиями производителя микроскопа к помещению на раннем этапе планирования.
    ПРИМЕЧАНИЕ: Переоборудование существующего помещения может стоить столько же, сколько новое строительство. Как правило, на подготовку помещения следует заложить в бюджет примерно 20% от стоимости покупки микроскопа.
  2. Спроектируйте планировку помещения с четким пространственным разделением функциональных зон: (а) помещение(я) микроскопии для криогенных просвечивающих электронных микроскопов (крио-ПЭМ); (б) помещение для подготовки образцов (предпомещение) для работы с сетками и их хранения; (в) помещение управления, где размещаются чиллеры для воды, блоки ИБП и системы охлаждения микроскопов; и (г) отдельное серверное помещение или дата-центр для инфраструктуры хранения и вычислений.
    ПРИМЕЧАНИЕ: Сохраните помещение контроллера ниже 26 °C постоянно, обеспечивая выделенное резервное питание и охлаждение. Колебания температуры в помещении с контроллером являются распространенной причиной простоя микроскопа.
  3. Спланируйте инфраструктуру электроснабжения. Установите выделенные трехфазные цепи питания для высокотехнологичных крио-ПЭМ. Подключите все микроскопы, камеры и серверное оборудование к назначенной защищенной инфраструктуре электропитания. Скоординируйте действия с технической службой учреждения для установки аварийного генератора, способного поддерживать работу микроскопов и поток охлаждающей воды во время перебоев в электроснабжении.
    ПРИМЕЧАНИЕ: Для безопасного цикла включения и выключения питания некоторых приборов в центре криоэлектронной микроскопии (крио-ЭМ) требуется более одного дня. Незапланированная потеря электропитания может привести к повреждению чувствительных печатных плат и потере данных активных сессий сбора данных.
  4. Установите системы водяного охлаждения для электронного микроскопа и сопутствующего оборудования. Организуйте резервный контур охлаждения с автоматическим переключением при отказе основного. Обеспечьте непрерывный мониторинг скорости потока, температуры и электропроводности воды с помощью интегрированной системы мониторинга микроскопа или специализированного массива датчиков.
  5. Во время строительства или ремонта необходимо проложить оптоволоконные кабели от помещений для микроскопии до серверной. Рекомендуется использовать многомодовое волокно стандарта не ниже OM4 или одномодовое волокно OS2, обеспечив достаточный запас длины кабеля и установив промаркированные патч-панели с обоих концов.
    ПРИМЕЧАНИЕ: Предварительная прокладка оптоволокна обходится существенно дешевле, чем его последующая установка.
  6. Назначьте ответственных операторов микроскопов или специалистов центра для проведения технического обслуживания приборов, обучения пользователей, составления графика работы, оптимизации образцов и поддержки при сборе данных. Назначьте выделенный ИТ-персонал для управления инфраструктурой, мониторинга производительности сети, обеспечения кибербезопасности, резервного копирования данных, развертывания программного обеспечения, управления вычислительными ресурсами GPU и предоставления удаленного доступа для пользователей.
  7. Определите потребность в персонале в зависимости от уровня предоставляемой поддержки пользователей и сложности вычислительной инфраструктуры. В небольших центрах, таких как Центр криоэлектронной микроскопии биомолекул UCSC, эти обязанности может выполнять менеджер центра, обладающий компетенциями в области вычислений, или централизованные институциональные ИТ-службы; однако по мере увеличения количества микроскопов, пользователей и ежегодных сеансов сбора данных возникает растущая необходимость в специализированном персонале.
  8. Обеспечьте специализированную ИТ-поддержку центров, эксплуатирующих несколько крио-ПЭМ, для обеспечения бесперебойного сбора данных, эффективного управления данными и масштабируемости вычислительных ресурсов. Инвестируйте в надежную ИТ-инфраструктуру и персонал на ранних этапах развития центра, чтобы свести к минимуму время операционного простоя, упростить последующее расширение и создать устойчивую систему, способную поддерживать растущее сообщество пользователей и всё более ресурсоемкие рабочие процессы крио-ЭМ.

2. Выбор микроскопа и детектора

  1. Определите основную научную задачу центра перед выбором микроскопа. Учтите следующие аспекты: (а) будет ли основной рабочий процесс направлен на анализ отдельных частиц (SPA), криоэлектронную томографию (cryo-ET), микроэлектронную дифракцию (microED) или их комбинацию; (б) ожидаемый размер пользовательской базы и разнообразие проектов; (в) бюджетные ограничения как на приобретение, так и на текущие сервисные контракты.
  2. Оцените доступные платформы cryo-TEM в соответствии с предполагаемыми областями применения. Для SPA высокого разрешения и усреднения субтомограмм (STA) рассмотрите приборы с ускоряющим напряжением 300 kV. Для скрининга и сбора данных среднего разрешения рассмотрите приборы 200 kV. Для более бюджетного начального уровня с возможностью скрининга оцените варианты 100–120 kV (сведены в Таблице 1).
    ПРИМЕЧАНИЕ: Технические спецификации часто меняются. Всегда запрашивайте актуальные данные о конфигурации и стоимость напрямую у производителя перед принятием окончательного решения о покупке оборудования.
  3. Выберите детектор прямого детектирования электронов (DED), подходящий для данного микроскопа и области применения. Для SPA высокого разрешения на приборах Thermo Fisher Scientific (TFS) Falcon 4i в настоящее время является основным вариантом для серий Krios и Glacios.
  4. Для приборов JEOL CryoARM детектор Gatan K3 обеспечивает отличную чувствительность и частоту кадров. Для центров, ориентированных как на SPA, так и на microED, подтвердите совместимость детектора с режимами сбора данных электронной дифракции (Таблица 2).
    ПРИМЕЧАНИЕ: DED является одним из самых дорогих компонентов оснащения центра и существенно влияет на качество данных и требования к их хранению. Режим Electron Event Register (EER), например, создает значительно более крупные необработанные файлы, чем традиционные сжатые форматы, что требует пропорционально большего объема памяти и пропускной способности сети.
  5. При выборе конфигурации прибора для cryo-EM оцените роль энергофильтра, так как он может существенно повлиять на качество изображения, выбор детектора и общую производительность системы. Удаляя неупруго рассеянные электроны, энергофильтры улучшают контраст и соотношение сигнал/шум, что особенно полезно для сложных образцов, а также при применении SPA высокого разрешения (полезно), cryo-ET (критически важно) и microED (полезно).
  6. Оцените доступные системы энергофильтрации при выборе прибора. Системы Gatan Bioquantum и Biocontinuum или Thermo Fisher Scientific Selectris и SelectrisX обычно стоят примерно от 0,3 до 1,5 млн долларов США в зависимости от конфигурации.
  7. Перед окончательным выбором конфигурации прибора оцените дополнительные затраты и сложность, связанные с использованием энергофильтров в сочетании с возможностями детектора, целями центра и предполагаемыми задачами пользователей.
  8. При расчете общей стоимости приобретения учитывайте сервисные контракты. Сервисные контракты обычно охватывают микроскоп, энергофильтр, детектор и систему водяного охлаждения.
  9. Обсудите условия сервисного контракта, включая гарантии времени реагирования и доступность подменных запчастей, в момент покупки прибора. Заложите в бюджет 8–15% от стоимости покупки прибора в год на сервисное обслуживание.

3. Проектирование и реализация архитектуры сети

  1. Спроектируйте внутреннюю сеть установки вокруг центрального высокоскоростного коммутатора. Подключите все устройства, генерирующие и потребляющие данные, напрямую к этому коммутатору на максимально поддерживаемой скорости: контроллер микроскопа, контроллер камеры (зачастую отдельная рабочая станция), серверы хранения данных и вычислительные узлы с GPU.
  2. Обеспечьте соединение со скоростью не менее 10 Gbps для каждого устройства. По возможности выделите каналы связи (uplinks) со скоростью 25 Gbps или выше между коммутатором и узлами хранения и вычислений.
    ПРИМЕЧАНИЕ: При скорости 1 Gbps передача 20 TB необработанных данных займет 2–3 дня. При 10 Gbps эта же передача займет 5–6 ч. При 25 Gbps это займет примерно 2 ч. Скорость сети напрямую определяет, сможет ли обработка данных «на лету» идти в ногу со скоростью сбора данных.
  3. Подберите центральный коммутатор. Требования: (a) неблокирующая матрица коммутации при полной линейной скорости; (b) достаточное количество портов SFP+ или QSFP для всех устройств установки; (c) функциональность управляемого коммутатора (поддержка VLAN, мониторинг трафика, зеркалирование портов для диагностики); (d) резервные модули блоков питания. Выберите управляемый коммутатор корпоративного класса, который обеспечивает неблокирующую матрицу коммутации, достаточное количество высокоскоростных портов, функции управления трафиком и резервные источники питания.
  4. Сегментируйте сеть с помощью VLAN для разделения: (a) VLAN сбора данных (контроллеры микроскопа и камеры, серверы хранения); (b) VLAN вычислений (рабочие станции с GPU и узлы кластера); (c) VLAN управления (удаленный доступ, мониторинг, администрирование).
    ПРИМЕЧАНИЕ: Сегментация сети снижает объем широковещательного трафика, повышает безопасность и позволяет независимо устранять неисправности в каждой подсистеме.
  5. Подключите сеть установки к институциональной сети WAN через выделенный порт uplink на центральном коммутаторе. Канала uplink со скоростью 1–10 Gbps к университетской сети достаточно для удаленного доступа и внешней передачи данных.
  6. Скоординируйте с ИТ-отделом института назначение статических IP-адресов, записей DNS и соответствующих правил брандмауэра для всех устройств, доступных в рамках установки (Рисунок 1).
  7. Проложите и промаркируйте все сетевые кабели. Используйте кабели прямого подключения (DAC) или активные оптические кабели для соединений 10+ Gbps на расстояние до 100 м (экранированный Cat6A также подходит для 10 Gbps до 100 м); используйте готовые оптоволоконные сборки (LC-LC или MTP) для межстоечных соединений 25+ Gbps.
  8. Задокументируйте полную схему кабельных соединений с помощью сетевой диаграммы, где указаны названия устройств, IP-адреса, назначения портов и принадлежность к VLAN.
    ПРИМЕЧАНИЕ: Схему рекомендуемой минимальной топологии сети для небольшой лаборатории крио-ЭМ см. на Рисунке 2.

4. Проектирование и развертывание сервера хранения данных

  1. Рассчитайте требования к объему хранения перед закупкой оборудования. В качестве базового ориентира: одна сессия крио-ЭМ высокого разрешения генерирует от 2 до 5 TB необработанных данных в день.
  2. Оцените потребности в долгосрочном хранении, исходя из предполагаемой загрузки центра. Центр с 20 пользователями и двумя микроскопами может сгенерировать примерно 2 PB данных за 3–6 месяцев работы. Планируйте хранилища как для необработанных данных (краткосрочное, высокопроизводительное), так и для обработанных данных (среднесрочное, большего объема), так как обработанные наборы данных часто в 10–20 раз больше исходных.
  3. Выберите надежную архитектуру хранения. Автономные серверы на базе ZFS рекомендуются в качестве отправной точки для большинства центров, так как они предлагают выгодное соотношение стоимости и емкости, встроенную проверку целостности данных (контрольные суммы), гибкие конфигурации, эквивалентные RAID (RAIDZ, RAIDZ2), и поддержку снимков (snapshots). Кластерные распределенные файловые системы (Gluster, Ceph, GPFS/IBM Spectrum Scale) могут обеспечить более высокую производительность и масштабируемость, но требуют наличия нескольких физических серверов и более сложного администрирования.
  4. Настройте пулы хранения ZFS. Рекомендуемая начальная конфигурация: два vdev RAIDZ2 (каждый из которых состоит из 6–8 SAS HDD большой емкости, по 16–20 TB каждый), что обеспечивает примерно 60–70% полезной емкости с защитой от одновременного выхода из строя двух дисков.
  5. Добавьте выделенный vdev SSD-кеша записи (L2ARC), используя 2–4 NVMe SSD, для ускорения производительности произвольного чтения при активных задачах обработки.
    ПРИМЕЧАНИЕ: Не используйте SATA-диски потребительского класса в производственных массивах хранения. Диски Enterprise SAS или NL-SAS с номинальной расчетной нагрузкой (например, 550 TB/год) необходимы для устойчивых паттернов произвольного ввода-вывода в рабочих процессах крио-ЭМ.
  6. Настройте экспорт NFS (для клиентов Linux) и общие ресурсы SMB (для клиентов Windows) на сервере хранения ZFS. Подмонтируйте основной общий ресурс данных на всех вычислительных узлах с GPU и на рабочей станции контроллера камеры, чтобы обеспечить прямой доступ к данным без промежуточного копирования.
  7. Установите политику хранения и жизненного цикла данных. Определите: (а) период хранения необработанных фильмов (обычно 3–6 месяцев после сбора); (б) период хранения микрофотографий с коррекцией движения; (в) период хранения конечных обработанных наборов данных (бессрочно до публикации); (г) процедуру архивирования завершенных проектов.
  8. Внедрите автоматические уведомления, когда заполненность хранилища превышает 70% емкости, чтобы своевременно закупить дополнительное место.
    ПРИМЕЧАНИЕ: Хранение данных — это самая часто недооцениваемая статья расходов при планировании центра крио-ЭМ. Не путайте одобрение закупки микроскопа с обеспечением достаточного финансирования хранилища. Закупка систем хранения должна планироваться параллельно с установкой прибора, а не после начала сбора данных.

5. Вычислительная инфраструктура GPU

  1. Определите требования к вычислительным мощностям исходя из ожидаемой пропускной способности. Для одного микроскопа, генерирующего 3 000–5 000 микрофотографий за 24-часовую сессию, требуется минимум два вычислительных узла, каждый из которых оснащен 4 видеокартами NVIDIA GPU (архитектуры Maxwell или новее, VRAM 11+ GB, например, RTX 3090, RTX 4090 или A100), чтобы поддерживать предварительную обработку данных в режиме реального времени со скоростью сбора.
  2. Для более крупных центров или рабочих процессов крио-ЭТ с большим объемом серий наклонов предусмотрите дополнительные узлы.
  3. Определите аппаратное обеспечение вычислительного узла GPU. Каждый узел должен включать: (a) 4 GPU NVIDIA с поддержкой CUDA (минимум 24 GB VRAM на каждый GPU для CryoSPARC и 3D-рефаймента в RELION); (b) многоядерный процессор (AMD EPYC или Intel Xeon, ≥32 ядер) для поддержки параллельных этапов, ограниченных мощностью CPU (оценка CTF, ввод-вывод файлов); (c) ≥256 GB системной оперативной памяти RAM; (d) 2–4 TB локального временного пространства NVMe SSD для промежуточных данных активных заданий; (e) сетевую интерфейсную карту (NIC) 10/25 Gbps; (f) достаточное локальное хранилище для рабочих наборов данных (обычно RAID-массив). ПРИМЕЧАНИЕ: GPU потребительского класса (RTX 4090) могут обеспечивать производительность, сопоставимую с альтернативами корпоративного класса (A100), при значительно меньшей стоимости для рабочих нагрузок крио-ЭМ. Оцените бенчмарки конкретно для CryoSPARC и RELION, так как паттерны доступа к памяти в этих программах предполагают использование GPU с высокой пропускной способностью памяти.
  4. Установите стек драйверов NVIDIA, инструментарий CUDA (версия, совместимая с CryoSPARC и RELION) и cuDNN на каждый вычислительный узел. Используйте средство управления конфигурацией для стандартизации программных сред на всех узлах и упрощения будущих обновлений.
  5. Разверните CryoSPARC в автономной конфигурации или в конфигурации кластера. Для многоузлового центра установите CryoSPARC-master на выделенном главном узле (head node), а CryoSPARC-worker — на каждом вычислительном узле GPU.
  6. Настройте планировщик заданий, чтобы несколько пользователей могли отправлять задания на обработку одновременно. Следуйте официальной документации по архитектуре CryoSPARC в отношении минимальных системных требований и конфигурации сети.
  7. Установите RELION параллельно с основной платформой обработки, чтобы предоставить пользователям обе экосистемы обработки. Настройте программное обеспечение для использования локальных вычислительных узлов через планировщик (SLURM или PBS/Torque).
  8. Установите вспомогательные инструменты: MotionCor2 (коррекция движения), CTFFIND4 и Gctf (оценка CTF), TOPAZ (подбор частиц на основе машинного обучения), crYOLO (нейросетевой подбор частиц) и cryoDRGN (анализ гетерогенности). Обзор доступных программных пакетов для SPA, крио-ЭТ, STA и микро-ЭД приведен в Таблице 3. 
  9. Используйте развертывание консорциума SBGrid или контейнерное управление программным обеспечением (Singularity/Apptainer для HPC-сред; Docker для рабочих станций) для поддержания воспроизводимых версионных программных сред.
    ПРИМЕЧАНИЕ: SBGrid предоставляет предварительно скомпилированные, проверенные сборки всех основных инструментов ПО для крио-ЭМ с автоматизированным управлением обновлениями для академических институтов.

6. Инфраструктура удаленного доступа

  1. Организуйте удаленный доступ на базе VPN в качестве основной защищенной точки входа для всех пользователей и персонала, работающих вне объекта. Совместно с ИТ-отделом организации создайте специализированный профиль или туннель VPN для конкретного центра, который обеспечит доступ к вычислительной сети и сети хранения данных центра, не подвергая устройства воздействию общего открытого интернета.
  2. Внедрите двухфакторную аутентификацию (2FA) на всех точках удаленного доступа (Рисунок 2).
  3. Разверните программное обеспечение для удаленного рабочего стола для графического доступа к контроллерам микроскопов и рабочим станциям с GPU. Рекомендуемые варианты: (а) TeamViewer (коммерческое, кроссплатформенное, с обходом NAT — подходит для доступа к контроллерам микроскопов); (б) NoMachine (коммерческое, кроссплатформенное, поддерживает пересылку 3D-графики OpenGL — рекомендуется для рабочих станций с GPU, использующих инструменты визуализации); (в) TurboVNC с VirtualGL (с открытым исходным кодом, только для Linux, поддерживает удаленный 3D-рендеринг).
    ПРИМЕЧАНИЕ: Многие инструменты визуализации крио-ЭМ используют OpenGL для 3D-рендеринга. Стандартная пересылка X11 не поддерживает OpenGL с аппаратным ускорением. Для этих приложений используйте NoMachine или VirtualGL/TurboVNC.
  4. Настройте удаленный доступ к программному обеспечению для сбора данных микроскопа. Для удаленного управления через институциональный VPN используйте Leginon или SerialEM. Доступ к ПО для сбора данных микроскопа может быть осуществлен удаленно через утвержденное приложение удаленного рабочего стола.
  5. Протестируйте удаленное подключение из репрезентативных внешних локаций (домашние сети, партнерские организации) перед запуском полноценной работы пользователей (Таблица 4).
  6. Создайте веб-панель мониторинга центра, чтобы персонал и пользователи могли удаленно отслеживать статус сбора данных, результаты предварительной обработки, использование хранилища и состояние очереди вычислений. Leginon включает встроенный веб-интерфейс мониторинга.
  7. Для рабочего процесса CryoSPARC настройте Grafana или пользовательскую веб-панель, данные в которую поступают из логов конвейера и инструментов системного мониторинга (Prometheus, node_exporter).
  8. Организуйте механизм передачи данных внешним пользователям. Настройте сервис аутентифицированной передачи данных, такой как Globus Connect Server, на хранилище центра.
  9. Для пользователей без доступа к Globus подготовьте процедуры отправки USB-жестких дисков с документированием контрольных сумм. Для практической возможности прямой загрузки внешними пользователями наборов данных объемом в несколько ТБ необходим интернет-канал с пропускной способностью 10 Gbps.

7. Рабочий процесс обработки данных в режиме реального времени: реализация

  1. Перед каждым сеансом сбора данных предварительно настройте путь потока данных. Убедитесь, что: (а) контроллер камеры записывает необработанные (raw) фильмы напрямую в высокопроизводительное хранилище учреждения, смонтированное через NFS; (б) NFS-ресурс смонтирован и доступен на всех вычислительных узлах с GPU; (в) имеется достаточный объем свободного места для планируемого сеанса (минимум 5 TB свободного места для 24-часового сеанса SPA); (г) вычислительные узлы с GPU доступны и нет длительных заданий, которые могли бы конкурировать за ресурсы.
  2. Настройте коррекцию по эталонному усилению (gain reference). Перед каждым сеансом снимите эталонное изображение усиления согласно спецификациям производителя детектора (обычно это экспозиция пустого пучка на пустом участке сетки).
  3. Поместите файл эталонного усиления в соответствующий входной каталог для предварительной обработки. Все программное обеспечение для коррекции дрифта (MotionCor2, собственная реализация RELION) применит этот эталон автоматически при правильной настройке.
  4. Запустите конвейер предварительной обработки «на лету» с помощью CryoSPARC-Live (предпочтительно для визуализации в реальном времени). Конвейер следует инициировать после появления первых фильмов в выходном каталоге — обычно в течение первых 5–10 мин автоматического сбора данных.
    ПРИМЕЧАНИЕ: CryoSPARC-Live продолжает отслеживать указанный каталог на предмет появления новых файлов фильмов и обрабатывает их по мере поступления. Ключевое отличие заключается в том, что CryoSPARC-Live предоставляет интерактивный веб-интерфейс для мониторинга в реальном времени.
  5. Рабочий процесс CryoSPARC-Live
    1. В веб-интерфейсе перейдите к новому или существующему проекту и создайте новый живой сеанс (live session)11,36.
    2. Настройте источник входных данных: укажите путь к каталогу, в который пишет контроллер камеры («папка наблюдения»), шаблон имени файлов для необработанных фильмов (например, *.tif, *.mrc или *.eer для данных Falcon 4i в формате EER) и путь к файлу эталонного усиления.
    3. Установите параметры коррекции дрифта: количество используемых кадров, патч-коррекцию дрифта (рекомендуется: патчи 5x5), коэффициент биннинга на выходе (обычно 1 для сбора данных вблизи предела Найквиста; 2 для первичного скрининга) и дозу электронов на кадр (рассчитывается на основе общей дозы и количества кадров).
    4. Установите параметры оценки CTF: минимальное и максимальное разрешение для аппроксимации (обычно 30 Å и 4 Å), диапазон поиска дефокусировки (для SPA рекомендуется 0,5–5 µm) и максимально допустимый астигматизм. Включите оценку CTF для каждого наклона для наборов данных cryo-ET.
    5. Настройте отбор частиц (particle picking): выберите метод отбора (blob-пикер для начальных сеансов; шаблонный пикер после появления первых качественных 2D-классов; TOPAZ-пикер для сложных образцов). Установите ожидаемый диаметр частиц и минимальный/максимальный интервал между частицами.
    6. Для существенного снижения требований к объему хранилища, нагрузки при передаче данных и вычислительных затрат рекомендуется выполнять фурье-кроппинг при извлечении частиц с коэффициентом 4 (что приводит к увеличению физического размера пикселя в 4 раза). Для рутинной оценки качества данных при обработке «на лету» обычно достаточно промежуточного разрешения 3–5 Å.
    7. Включите 2D-классификацию в рамках живого сеанса. Установите количество 2D-классов (обычно 50–200), размер пакета для инкрементальных обновлений (200–500 частиц) и предел разрешения для классификации (6–8 Å для первичной оценки).
    8. Запустите живой сеанс. Мониторьте панель управления в реальном времени: количество и скорость поступления фильмов, качество коррекции дрифта (суммарный дрифт на фильм — как правило, фильмы с общим дрифтом >30 Å следует отклонять), качество аппроксимации CTF (отклоняйте микрофотографии с разрешением аппроксимации CTF >6–8 Å), выход частиц с одной микрофотографии и эволюцию качества усредненных 2D-классов.
    9. Установите пороги принятия для автоматической курации. В панели фильтров (Filters) определите критерии отклонения по дрифту (предел суммарного дрифта), качеству CTF (предел разрешения аппроксимации) и диапазону дефокусировки (исключите микрофотографии с чрезмерной недофокусировкой или перефокусировкой). Одобренные частицы автоматически направляются на последующее задание по 2D-классификации.

8. Контроль качества и обратная связь в режиме реального времени во время сбора данных

  1. Непрерывно отслеживайте статистику CTF на протяжении всей сессии. Постройте график значений дефокусировки для каждой микрофотографии: распределение должно группироваться в пределах заданного диапазона дефокусировки (обычно от −0.5 до −3.0 µm для SPA).
  2. Систематический дрейф в сторону более высоких значений дефокусировки может указывать на дрейф предметного столика или неправильную калибровку эуцентрической высоты. Немедленно сообщите персоналу центра, если разрешение аппроксимации CTF упадет ниже 6 Å, так как это обычно указывает на загрязнение льдом, нестабильность пучка или дрейф фокуса, требующий вмешательства.
  3. Контролируйте результаты коррекции движения. Общее внутрикадровое смещение на одно видео должно составлять менее 10–30 Å для высококачественных данных. Систематически высокое смещение в первых кадрах является ожидаемым и корректируется; однако высокая подвижность, сохраняющаяся на протяжении всего видео (общий сдвиг >40 Å), может указывать на механическую нестабильность столика или зарядку образца и требует исследования.
  4. Проверяйте усредненные 2D-классы по мере их обновления в ходе сессии (каждые 30–60 мин). Признаки высококачественного набора данных: усредненные классы, демонстрирующие особенности вторичной структуры, наличие множества различных ракурсов частиц, а также отсутствие артефактов наслоения или агрегации.
  5. Следите за индикаторами, требующими вмешательства: сортировка всех частиц в безликие «мусорные» классы (что говорит о плохом качестве образца или льда), полное отсутствие определенных ракурсов (что указывает на преимущественную ориентацию и может потребовать оптимизации сеток) или крайне низкий выход частиц на одну микрофотографию.
  6. Записывайте все наблюдения в структурированный журнал сессии. Фиксируйте: время начала/окончания сессии, настройки микроскопа и камеры, сводку статистики в реальном времени (общее количество собранных видео, доля прошедших фильтр CTF, доля прошедших фильтр движения, общее количество отобранных частиц, оценка 2D-классов) и любые предпринятые корректирующие действия. Этот журнал необходим для ретроспективной оценки качества и отчетности о работе центра.
  7. По окончании сессии сформируйте сводный отчет о качестве данных. Платформа для обработки данных в реальном времени экспортирует резюме сессии автоматически.
    ПРИМЕЧАНИЕ: Еще одним вариантом создания сводок и отчетов является использование инструментов ИИ, таких как Vitreum. В Центре биомолекулярной криоэлектронной микроскопии UCSC платформа Vitreum используется для управления лабораторными рабочими процессами и экспериментальной документацией. Vitreum фиксирует этапы эксперимента по мере их выполнения, обеспечивает соблюдение ограничений на уровне протокола, проверяет выполнение рабочего процесса на соответствие предопределенным критериям качества и предоставляет проверяемый журнал лабораторной деятельности. Интегрируя лабораторные операции с вычислительной инфраструктурой и системой управления данными центра, платформа сводит к минимуму ручной учет, повышает воспроизводимость, облегчает взаимодействие между персоналом центра и пользователями, а также обеспечивает последовательное отслеживание экспериментов от подготовки образцов до сбора данных и последующего компьютерного анализа.

9. Конвейер обработки данных после сбора

  1. После завершения предварительной обработки в режиме реального времени экспортируется курированный стек бинированных частиц вместе с курированными предварительно обработанными фильмами.
  2. Отсоедините проект CryoSPARC от основной рабочей станции, а затем снова подключите его к другой общей, удаленно доступной рабочей станции. Это позволяет быстро разгрузить данные и подготовиться к началу следующего сеанса сбора данных.
    ПРИМЕЧАНИЕ: Типичный сбор данных может занимать от 1 до 2 дней и легко отслеживается с помощью CryoSPARC-Live. Однако этапы 3D-обработки могут занять недели или месяцы, что оправдывает перенос проекта между рабочими станциями и серверами хранения.
  3. В CryoSPARC экспортируйте курированные бинированные частицы из активного сеанса в стандартный проект для офлайн 3D-обработки36. 
  4. Выполните 3D-реконструкцию ab initio. В CryoSPARC используйте задание Ab Initio Reconstruction (для гетерогенных образцов рекомендуется 3–5 начальных моделей). Сгенерируйте 1–4 начальные модели для оценки структурной гетерогенности.
  5. Когда реконструированные значения станут удовлетворительными, повторно извлеките небинированные частицы для повышения общего разрешения.
  6. Выполните 3D-уточнение, используя гетерогенное уточнение (если предполагается наличие нескольких конформаций или классов), с последующим гомогенным уточнением для лучшего класса. В CryoSPARC используйте гетерогенное уточнение (heterogeneous refinement), а затем неоднородное уточнение (non-uniform refinement). 
  7. Примените байесовскую полировку в RELION13 или используйте коррекцию движения для каждой частицы и уточнение CTF (в CryoSPARC: задание CTF refinement), чтобы улучшить сигнал каждой частицы за счет учета движения, вызванного пучком, и дефокусировки каждой частицы, в зависимости от предпочтений пользователя. Этот этап обычно повышает конечное разрешение карты на 0.2–0.5 Å. Кроме того, в качестве варианта для повышения разрешения и качества карты может быть использована коррекция движения на основе референса (RBMC) в CryoSPARC.
  8. Проведите валидацию финальной карты с помощью стандартной процедуры расчета корреляции Фурье-оболочек (FSC). Разделите стек частиц на два независимых полунабора, проведите независимое уточнение и рассчитайте FSC между двумя полукартами. Укажите конечное разрешение при FSC = 0.143.
  9. Рассчитайте FSC карты и модели (FSC-Q) и Q-баллы после подгонки атомной модели в качестве независимых метрик валидации37.
  10. Выполните построение и валидацию атомной модели. Используйте ModelAngelo для автоматизированного построения модели de novo по карте плотности20. Уточните модель с помощью уточнения в реальном пространстве в PHENIX и проведите валидацию с помощью MolProbity.
  11. После генерации начальной модели используйте COOT35 для визуализации карты плотности, подгонки или корректировки атомных координат, исправления ошибок моделирования, достройки недостающих участков и оптимизации структур белков, нуклеиновых кислот или лигандов. Программа позволяет интерактивно редактировать остатки, конформации боковых цепей, вторичные структуры и назначения последовательностей с последующим уточнением в реальном пространстве для улучшения соответствия между атомной моделью и экспериментальной плотностью.
  12. В завершение депонируйте окончательную атомную модель в Protein Data Bank (PDB), карту плотности в Electron Microscopy Data Bank (EMDB), а исходные или предварительно обработанные данные — в Electron Microscopy Public Image Archive (EMPIAR).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

IT-инфраструктура центра криоэлектронной микроскопии (крио-ЭМ) не является второстепенным вспомогательным элементом — это необходимое условие для функционирования. Центры, которые начинают сбор данных без надлежащих мощностей для хранения, передачи и обработки информации, неизбежно сталкиваются с выбором: удалять необработанные данные, прекращать сбор данных или мириться с многомесячными задержками в определении структуры. Описанные здесь протоколы предназначены для предотвращения таких последствий путем обеспечения прое...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторы заявляют об отсутствии конфликта интересов.

Благодарности

Авторы выражают благодарность Центру биомолекулярной криоэлектронной микроскопии при кафедре химии и биохимии Калифорнийского университета в Санта-Круз (RRID: SCR_021755) за научную и техническую поддержку (программа NIH по высокотехнологичному оборудованию, S10OD02509).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Криос 5ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-5-cryo-tem.htmlЭлектронный микроскоп с просвечиванием
Krios G4ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-g4-cryo-tem.htmlЭлектронный микроскоп с просвечиванием
ГляциосThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-cryo-tem.htmlЭлектронный микроскоп с просвечиванием
Glacios 2ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-2-cryo-tem.htmlЭлектронный микроскоп с просвечиванием
Glacios 3ThermoFisher Scientifichttps://www.thermofisher.com/ (новейшее поколение; страница продукта может отличаться в зависимости от региона)Трансмиссионный электронный микроскоп
Talos ArcticaThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-arctica.htmlТрансмиссионный электронный микроскоп
Talos L120CThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-l120c.htmlТрансмиссионный электронный микроскоп
CRYO ARM 300 II (JEM-Z300FSC)JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm300ii.phpЭлектронный микроскоп с просвечиванием
CRYO ARM 200JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm200.phpЭлектронный микроскоп с просвечиванием
JEM-3200FSCJEOLhttps://www.jeol.com/products/scientific/tem/jem3200fsc.phpТрансмиссионный электронный микроскоп
HF8300Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/hf8300.htmlЭлектронный микроскоп с просвечиванием
HT7800Хитачиhttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/ht7800.htmlТрансмиссионный электронный микроскоп
SU9000 (TEM/STEM)Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/sem-tem/su9000.htmlЭлектронный микроскоп с просвечиванием
Falcon 4iThermo Fisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/direct-electron-detectors/falcon-4i.htmlДетектор прямых электронов
Gatan K3Гатан (AMETEK)https://gatan.com/products/tem-cameras/k3-is-cameraДетектор прямых электронов
Gatan K2Gatanhttps://gatan.com/products/tem-cameras/k2-cameraДетектор прямых электронов
АполлонПрямое обнаружение электроновhttps://directelectron.com/apollo/Детектор прямых электронов
DE64Прямое обнаружение электроновhttps://directelectron.com/de-64/Детектор прямого электронного детектирования
RELIONЛаборатория молекулярной биологии Медицинского исследовательского совета (MRC-LMB), Кембриджский университетhttps://relion.readthedocs.ioПакет программного обеспечения SPA
cryoSPARCСтруктура Биотехнологииhttps://cryosparc.comПакет программного обеспечения SPA
EMAN2Медицинский колледж Бейлора (разработано лабораторией Стивена Людтке)https://blake.bcm.edu/emanwiki/EMAN2Пакет программного обеспечения SPA
cisTEMНациональный исследовательский совет Канады (разработано Тимом Грантом и коллегами)https://cistem.orgПакет программного обеспечения SPA
SPHIREМакс-Планк-институт молекулярной физиологии и Колледж медицины Бейлораhttps://sphire.mpg.deпакет программного обеспечения SPA
cryoDRGNПринстонский университет (разработано лабораторией Эллен Чжун)https://cryodrgn.cs.princeton.eduПакет программного обеспечения SPA
ТопазМедицинская школа Гарвардского университета (разработано лабораторией Трэвиса Беплера)https://github.com/tbepler/topazПакет программного обеспечения SPA
crYOLOИнститут биофизики им. Макса Планкаhttps://cryolo.readthedocs.ioпакет программного обеспечения SPA
ВарпЛаборатория молекулярной биологии MRC (разработано Дмитрием Тегуновым)http://www.warpem.comпакет программного обеспечения для крио-ЭМТ и СТА
ModelAngeloЛаборатория молекулярной биологии Медицинского исследовательского советаhttps://www.modelangelo.orgпакет программного обеспечения для крио-ЭМТ и СТА
IMODУниверситет Колорадо в Боулдереhttps://bio3d.colorado.edu/imodпакет программного обеспечения для крио-ЭМ и СТА
ДайноНациональный центр биотехнологииí(ИБН-ЦСИК)https://www.dynamo-em.orgпакет программного обеспечения для крио-ЭМТ и СТА
emClarityКалифорнийский университет в Сан-Францискоhttps://github.com/StochasticAnalytics/emClarityпакет программного обеспечения для крио-ЭМ и СТА
RELION (модуль ЭМ)Лаборатория молекулярной биологии Медицинского исследовательского совета (MRC-LMB), Кембриджский университетhttps://relion.readthedocs.ioпакет программного обеспечения для крио-ЭМТ и СТА
EMAN2 (SPT)Baylor College of Medicinehttps://blake.bcm.edu/emanwiki/EMAN2пакет программного обеспечения для крио-ЭМ и СТА
Варп/МMRC Лаборатория молекулярной биологииhttps://warpem.github.ioпакет программного обеспечения для крио-ЭМТ и СТА
AreTomoСтэнфордский университет (разработано группами Фэй Сунь и Ваха Чжу)https://github.com/czimaginginstitute/AreTomo2пакет программного обеспечения для крио-ЭМТ и СТА
ПИТУниверситет Колорадо в Боулдереhttps://bio3d.colorado.edu/PEETпакет программного обеспечения для крио-ЭМТ и СТА
ПайТомИнститут биохимии Общества Макса Планкаhttps://pytom.orgпакет программного обеспечения для крио-ЭМТ и СТА
Tomo3DИспанский национальный центр биотехнологии (CNB-CSIC)https://sites.google.com/site/3demimageprocessing/tomo3dпакет программного обеспечения для крио-ЭМ и СТА
crYOLO (3D)Институт биофизики Общества Макса Планкаhttps://cryolo.readthedocs.ioпакет программного обеспечения для крио-ЭМТ и СТА
AITomУниверситет Карнеги-Меллонhttps://github.com/xulabs/aitomпакет программного обеспечения для крио-ЭМТ и СТА
DIALSИсточник синхротронного излучения «Алмаз» и сотрудникиhttps://dials.github.ioпакет программного обеспечения microED
XDSИнститут медицинских исследований им. Макса Планка (разработано Вольфгангом Кабшем)https://xds.mr.mpg.deпакет программного обеспечения microED
MOSFLMМедицинский исследовательский совет, Лаборатория молекулярной биологии (MRC-LMB), Кембриджский университетhttps://www.mrc-lmb.cam.ac.uk/mosflmпакет программного обеспечения microED
SHELXУниверситет Гöттинген (разработано Джорджем М. Шелдриком)https://shelx.uni-goettingen.deпакет программного обеспечения microED
PhenixНациональная лаборатория им. Лоуренса в Беркли (консорциум PHENIX)https://phenix-online.orgпакет программного обеспечения microED
CootЛаборатория молекулярной биологии Медицинского исследовательского совета (MRC-LMB), Кембриджский университетhttps://www2.mrc-lmb.cam.ac.uk/personal/pemsley/cootпакет программного обеспечения 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 (устаревшая версия) /  https://rockylinux.orgОперационная система
ОкнаMicrosofthttps://www.microsoft.com/windowsОперационная система
ZFSOracle Corporation (первоначально Sun Microsystems); OpenZFS поддерживается сообществом OpenZFShttps://openzfs.orgФайловая система
NFSSun Microsystems (в настоящее время поддерживается как стандарт IETF)https://www.rfc-editor.org/rfc/rfc8881Протокол
SMB (CIFS)Microsofthttps://learn.microsoft.com/windows-server/storage/file-server/file-server-smb-overviewПротокол
Microsoft Remote Desktop (RDP)Microsofthttps://learn.microsoft.com/windows-server/remote/remote-desktop-servicesДистанционный доступ
NoMachineNoMachinehttps://www.nomachine.comДистанционный доступ
TeamViewerTeamViewer SEhttps://www.teamviewer.comДистанционный доступ
VirtualGL + TurboVNCVirtualGL: Проект VirtualGL; TurboVNC: Проект TurboVNChttps://virtualgl.org и https://turbovnc.orgУдаленный доступ
CUDANVIDIAhttps://developer.nvidia.com/cuda-toolkitКомпьютерная платформа

Ссылки

  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.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Больше статей

Центр криоэлектронной микроскопииинфраструктура данныхGPU-вычисленияобработка данных в режиме реального временикоррекция дрейфаоценка CTFвыделение частиц2D-классификацияархивирование данных

Эта статья была опубликована

Видео скоро будет доступно

Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.