क्रायोजेनिक इलेक्ट्रॉन टोमोग्राफी में बड़े पैमाने पर डेटा संग्रह की बढ़ती मांग के लिए उच्च-थ्रूपुट छवि अधिग्रहण दिनचर्या की आवश्यकता होती है। यहां वर्णित एक प्रोटोकॉल है जो उन्नत अधिग्रहण रणनीतियों के हालिया घटनाक्रमों को लागू करता है जिसका उद्देश्य समय-दक्षता और टोमोग्राफिक डेटा संग्रह के थ्रूपुट को अधिकतम करना है।
क्रायोजेनिक इलेक्ट्रॉन टोमोग्राफी (क्रायोएट) एक करीबी से मूल राज्य में जैविक नमूनों की 3 डी संरचना का अध्ययन करने के लिए एक शक्तिशाली तरीका है। वर्तमान अत्याधुनिक क्रायोएट उप-अत्याधुनिक विश्लेषण के साथ संयुक्त रूप से मैक्रोमॉलिकुलर परिसरों के उच्च-संकल्प संरचनात्मक निर्धारण को सक्षम बनाता है जो टोमोग्राफिक पुनर्निर्माण के भीतर कई प्रतियों में मौजूद हैं। टोमोग्राफिक प्रयोगों के लिए आमतौर पर महत्वपूर्ण परिचालन रनिंग-लागत के साथ उच्च अंत ट्रांसमिशन इलेक्ट्रॉन माइक्रोस्कोप के माध्यम से अधिग्रहीत की जाने वाली झुकाव श्रृंखला की एक विशाल मात्रा की आवश्यकता होती है। हालांकि हाल के वर्षों में स्वचालित डेटा अधिग्रहण दिनचर्या की थ्रूपुट और विश्वसनीयता में लगातार सुधार हुआ है, ब्याज के उन क्षेत्रों का चयन करने की प्रक्रिया जिस पर एक झुकाव श्रृंखला का अधिग्रहण किया जाएगा, आसानी से स्वचालित नहीं किया जा सकता है और यह अभी भी उपयोगकर्ता के मैनुअल इनपुट पर निर्भर करता है। इसलिए, बड़े पैमाने पर डेटा संग्रह सत्र का सेट-अप एक समय लेने वाली प्रक्रिया है जो झुकाव श्रृंखला अधिग्रहण के लिए उपलब्ध शेष माइक्रोस्कोप समय को काफी कम कर सकती है। यहां, प्रोटोकॉल सीरियलईएम पैकेज और पाइईएम सॉफ्टवेयर के आधार पर हाल ही में विकसित कार्यान्वयन का वर्णन करता है जो ग्रिड स्क्रीनिंग और बड़े पैमाने पर झुकाव श्रृंखला डेटा संग्रह की समय-दक्षता में काफी सुधार करता है। प्रस्तुत प्रोटोकॉल दिखाता है कि ग्रिड मैपिंग, ग्रिड स्क्वायर मैपिंग और झुकाव श्रृंखला अधिग्रहण को पूरी तरह से स्वचालित करने के लिए सीरियलेम स्क्रिप्टिंग कार्यक्षमताओं का उपयोग कैसे किया जाए। इसके अलावा, प्रोटोकॉल बताता है कि स्वचालित डेटा संग्रह शुरू होने के बाद ऑफ-लाइन मोड में अतिरिक्त अधिग्रहण लक्ष्यों का चयन करने के लिए PyEM का उपयोग कैसे किया जाए। इस प्रोटोकॉल को समझाने के लिए, सार्स-कॉव-2 झुकाव श्रृंखला के उच्च अंत डेटा संग्रह के संदर्भ में इसके आवेदन का वर्णन किया गया है। प्रस्तुत पाइपलाइन विशेष रूप से टोमोग्राफी प्रयोगों की समय-दक्षता को अधिकतम करने के लिए अनुकूल है जिसके लिए अधिग्रहण लक्ष्यों के सावधानीपूर्वक चयन की आवश्यकता होती है और साथ ही बड़ी मात्रा में झुकाव श्रृंखला एकत्र की जाती है।
क्रायोजेनिक इलेक्ट्रॉन माइक्रोस्कोपी (क्रायोईएम) विधियां उनके तेजी से विट्रीफिकेशन के बाद ट्रांसमिशन इलेक्ट्रॉन माइक्रोस्कोप (ईएम) के माध्यम से जैविक नमूनों की इमेजिंग पर आधारित होती हैं, एक नमूना तैयारी प्रक्रिया जो नमूनों की आणविक और सेलुलर संरचनाओं को करीब-करीब देशी और हाइड्रेटेड राज्य1,2में संरक्षित करती है। क्रायोजेनिक इलेक्ट्रॉन टोमोग्राफी (क्रायोएट) में विट्रीफाइड नमूने का एक 3डी मॉडल विभिन्न झुकाव, तथाकथित झुकाव श्रृंखला से ब्याज के एक ही क्षेत्र की कई छवियों को प्राप्त करके प्राप्त किया जाता है, जिसके बाद टोमोग्राफिक वॉल्यूम 3 का कम्प्यूटेशनल पुनर्निर्माणहोताहै। यह उन्नत इमेजिंग तकनीक जैविक प्रक्रियाओं की संरचनात्मक जांच के लिए उनके मूल सेलुलर वातावरण 4,5 ,6के संदर्भ में एक शक्तिशाली विधि के रूप में परिपक्व हो गई है ।
विट्रीफाइड नमूने के अल्ट्रास्ट्रक्चरल विश्लेषण के अलावा, टोमोग्राफिक वॉल्यूम के भीतर कई प्रतियों में मौजूद मैक्रोमॉलिकुलर कॉम्प्लेक्स के उच्च-संकल्प पुनर्निर्माण5औसत उपटोमोग्राम लागू करके प्राप्त किए जा सकते हैं। यह पुनर्निर्माण दृष्टिकोण ब्याज की संरचना वाले उप-खंडों के पुनरावर्तन संरेखण और औसत पर आधारित है और इसका उद्देश्य सिग्नल-टू-शोर अनुपात और अंतिम पुनर्निर्माण7,8के संकल्प को बढ़ाना है। उपतोमोग्राम औसत बड़ी मात्रा में डेटा के संग्रह और प्रसंस्करण पर निर्भर करता है जो अक्सर भारी परिचालन रनिंग-लागत के साथ उच्च अंत TEMs के माध्यम से सैकड़ों झुकाव श्रृंखला के अधिग्रहण की मांग करता है।
वर्तमान में इस तरह के स्वचालित क्रायोएट सत्रों का सेटअप एक समय लेने वाली प्रक्रिया है जो आमतौर पर उपयोगकर्ता के मैनुअल इनपुट9, 10,11पर निर्भर करती है। आमतौर पर, लक्ष्यों की पहचान मैप किए गए ग्रिड के दृश्य निरीक्षण द्वारा की जाती है और बाद में स्वचालित डेटा संग्रह के लिए स्थापित की जाती है। अधिग्रहण बिंदुओं की पहचान करने में उपयोगकर्ता की दक्षता अक्सर नमूने की प्रकृति से प्रभावित होती है, जो विशेष रूप से चुनौतीपूर्ण होती है जब उप-विशिष्ट एकाग्रता के साथ शुद्ध मैक्रोमॉलिक्यूल्स का विश्लेषण करते समय या भीड़ भाड़ वाले सेलुलर वातावरण के भीतर दुर्लभ घटनाओं के मामले में, सहसंबद्ध दृष्टिकोण12का उपयोग होता है। इसके अलावा, वर्तमान कार्यप्रवाहों को विभिन्न आवर्धनों पर सेट-अप के दौरान छवियों के अधिग्रहण की आवश्यकता होती है, जिनका उपयोग बाद में सटीक स्थानीयकरण और स्वचालित अधिग्रहण11, 13,14केदौरानलक्ष्य को केंद्रित करने के लिए किया जाएगा। ये उच्च सटीक पुनः संरेखण कदम उच्च-रिज़ॉल्यूशन अनुप्रयोगों के लिए महत्वपूर्ण हैं, जो इमेजिंग को उच्च आवर्धन पर किए जाने की मांग करते हैं और परिणामस्वरूप छोटे क्षेत्र के भीतर ब्याज के क्षेत्र को बनाए रखने के लिए सटीक केंद्रित कदमों की आवश्यकता होती है। कुल मिलाकर, प्रत्येक डेटा संग्रह सत्र के कई घंटे इस समय लेने वाली प्रक्रिया के लिए प्रतिबद्ध हैं जिसके दौरान टीई टम झुकाव श्रृंखला अधिग्रहण में नहीं लगे हुए हैं। इसलिए, आवश्यक झुकाव श्रृंखला की मात्रा के आधार पर, अधिग्रहण बिंदुओं की पहचान और सेट-अप का क्रायोईटी सत्र के दौरान डेटा संग्रह के लिए उपलब्ध माइक्रोस्कोप समय पर काफी प्रभाव पड़ सकता है।
यहां वर्णित एक अनुकूलित प्रोटोकॉल है जो सीरियलेम सॉफ्टवेयर पैकेज15 और नवीनतम संस्करण PyEM सॉफ्टवेयर16 पर आधारित है ताकि ग्रिड, मैप ग्रिड वर्ग, लक्ष्यों का चयन किया जा सके और बड़े पैमाने पर झुकाव श्रृंखला संग्रह के लिए स्वचालित डेटा अधिग्रहण स्थापित किया जा सके। इस दृष्टिकोण की प्रमुख अवधारणा सटीक स्थानीयकरण और लक्ष्य के केंद्र के लिए, आभासी नक्शे कहा जाता है, प्रत्येक अधिग्रहण आइटम के लिए PyEM द्वारा गणना रूप से उत्पन्न छवियों के साथ सीरियलईएम प्रदान करना है। वास्तविक अधिग्रहण समय हासिल करने के लिए, लक्ष्यों के चयन के साथ-साथ आभासी मानचित्रों के निर्माण को क्रमईएम के दूसरे डमी उदाहरण का उपयोग करके ऑफ-लाइन किया जाता है, जो TEM संचालन से अधिग्रहण लक्ष्यों की चयन प्रक्रिया को अलग करता है। डेटागुणवत्ता13, 17या झुकाव श्रृंखला अधिग्रहण 18,19 की गति को बढ़ाने के तरीके को संबोधित नहीं करतेहुए,यह प्रोटोकॉल मुख्य रूप से बड़े पैमाने पर स्वचालित क्रायोएट सत्र सेटअप की समय-दक्षता को अनुकूलित करने के लिए रणनीतियों पर केंद्रित है। इसलिए, प्रस्तुत प्रोटोकॉल का कार्यान्वयन उन वैज्ञानिकों के लिए है जो क्रायोट डेटा संग्रह वर्कफ्लो स्थापित करते हैं जो झुकाव श्रृंखला अधिग्रहण के लिए उपलब्ध माइक्रोस्कोप समय को बढ़ाकर स्वचालित डेटा अधिग्रहण की उपज को अधिकतम करने की इच्छा रखते हैं।
एक आला तकनीक से, क्रायोएट अब अभूतपूर्व पहुंच योग्य संकल्प21, 22के साथ सेलुलर और आणविक स्तर पर संरचनात्मक अध्ययन करने के लिए एक व्यापक विधि में परिपक्व हो गयाहै। क्रायोईएम इमेजिंग की लगातार बढ़ती मांग ने इस तकनीक तक पहुंचने के लिए उपलब्ध सीमित संसाधनों पर दबाव डाला है । कई राष्ट्रीय क्रायोईएम सुविधाओं के उद्घाटन और दुनिया भर में समुदाय की जरूरतों का समर्थन करने के लिए अपनी TEM क्षमता बढ़ाने के लिए वैज्ञानिक संस्थानों के प्रयासों के बावजूद, क्रायोईएम उपकरणों तक पहुंच अभी भी सीमित है और डेटा संग्रह के लिए उपलब्ध समय इसलिए उपयोगकर्ताओं द्वारा प्रत्येक माइक्रोस्कोपी सत्र की उपज को अधिकतम करने के लिए कुशलतापूर्वक उपयोग किया जाना चाहिए । डेटा संग्रह के लिए उपलब्ध सीमित समय के साथ संयुक्त झुकाव श्रृंखला के सैकड़ों प्राप्त करने की आवश्यकता है जो डेटा गुणवत्ता से समझौता किए बिना बेहतर थ्रूपुट प्राप्त करने के लिए उपन्यास छवि अधिग्रहण दिनचर्या के लिए कहा जाता है। हार्डवेयर और इमेजिंग वर्कफ्लो में हाल की घटनाओं ने झुकाव श्रृंखला अधिग्रहण18, 19की गति में काफी वृद्धि की है, जिसके परिणामस्वरूप वास्तविक झुकाव श्रृंखला अधिग्रहण के लिए आवश्यक अधिग्रहण बिंदु और समयस्थापितकरने के लिए खर्च किए गए समय के बीच अनुपात का नाटकीय बदलाव हुआ है। कुल मिलाकर, अधिग्रहण बिंदुओं को स्थापित करने की प्रक्रिया क्रायोईटी सत्रों के प्राप्त थ्रूपुट के लिए प्रमुख बाधाओं में से एक होती जा रही है ।
यहां प्रस्तुत अनुकूलित प्रोटोकॉल ने हमें ऑफ-लाइन मोड में, क्रायोएट सत्र के पहले दिन के भीतर स्वचालित टोमोग्राफिक अधिग्रहण के लिए 171 पदों को स्थापित करने में सक्षम बनाया, जबकि माइक्रोस्कोप सक्रिय रूप से अन्य कार्यों (जैसे, स्क्वायर मैपिंग, ट्यूनिंग और स्वचालित झुकाव श्रृंखला अधिग्रहण) में लगाया गया था, इस प्रकार डेटा संग्रह के लिए उपलब्ध माइक्रोस्कोप समय को प्रभावित किए बिना। क्रायोईटी सत्र के थ्रूपुट को अधिकतम करने के अलावा, यह पाइपलाइन स्वचालित डेटा संग्रह सत्र के प्रारंभिक चरण में उपयोगकर्ता द्वारा निवेश किए गए समय की मात्रा को काफी कम कर देती है। वर्णित प्रोटोकॉल में, उपयोगकर्ता को ब्याज के उपयुक्त क्षेत्रों की पहचान करने और उन्हें अधिग्रहण बिंदुओं के रूप में धारावाहिक ईएम नेविगेटर में जोड़ने के लिए मैप किए गए ग्रिड वर्गों को ब्राउज़ करने के लिए कहा जाता है। इसके बाद वर्चुअल मैप्स16के उत्पादन के लिए PyEM टूल द्वारा सीरियलईएम के भीतर सभी लक्ष्यों को स्वचालित रूप से बैच में संसाधित किया जाएगा । प्रस्तुत कम्प्यूटेशनल दृष्टिकोण इसलिए मंच आंदोलन, छवि अधिग्रहण, दृश्य और पूर्वावलोकन के बीच इमेजिंग शर्तों के परिवर्तन, और उच्च आवर्धन पर केंद्रित करते हुए इन चरणों के अंतिम पुनरावृत्ति से जुड़े प्रतीक्षा अवधि को नष्ट करके वास्तविक प्रस्तोता नक्शे प्राप्त करने की तुलना में काफी तेज है। इसके अतिरिक्त, जैसा कि प्रत्येक अधिग्रहीत छवि ब्याज23की वस्तु पर इलेक्ट्रॉन खुराक का संचय करती है, लक्ष्यों के सटीक पुनर्संरेखण के लिए आभासी मानचित्रों का उपयोग वास्तविक झुकाव श्रृंखला अधिग्रहण से पहले क्रायोएट सत्र के प्रारंभिक चरण में शुरू किए गए विकिरण क्षति को कम कर देता है। यहां वर्णित प्रोटोकॉल झुकाव श्रृंखला अधिग्रहण से पहले लक्ष्य के पुनर्संरेखण के लिए मध्यवर्ती और उच्च आवर्धन आभासी नक्शे (क्रमशः पूर्वावलोकन और दृश्य) दोनों का उपयोग करता है । इस प्रक्रिया को आसानी से केवल मध्यवर्ती आवर्धन दृश्य छवि का उपयोग करने के लिए संशोधित किया जा सकता है जब संरेखण सटीकता कम महत्व की है, उदाहरण के लिए, बड़ी संरचनाओं के मामले में जहां अंतिम लक्ष्य सटीकता कम चिंता का विषय है10 या एकल कण विश्लेषण नमूनों के लिए जो क्रायो-ग्रिड पर खराब प्रसारित होते हैं, प्रत्येक अधिग्रहण बिंदु24के उपयोगकर्ता के मैनुअल चयन की आवश्यकता होतीहै, 25. अंत में, एक डमी सीरियलम उदाहरण के ऑफ-लाइन उपयोग पर आधारित एक दृष्टिकोण माइक्रोस्कोप में उपयोगकर्ता की भौतिक उपस्थिति की आवश्यकता को कम करके रिमोट कनेक्शन के माध्यम से अधिग्रहण बिंदुओं के सेटअप की सुविधा भी प्रदान करता है, इस प्रकार सुविधा के परिचालन संगठन के मामले में अधिक लचीलापन सक्षम करता है।
क्रायोएट के लिए प्रौद्योगिकी और तरीकों में हालिया प्रगति ने स्वचालित डेटा संग्रह सत्रों की गति और विश्वसनीयता में काफी सुधार किया है। हालांकि, इस विधि के शेष दर-सीमित कदमों को संबोधित करने के लिए आगे के घटनाक्रमों की आवश्यकता है। सबसे विशेष रूप से, ग्रिड और स्क्वायर मैपिंग का प्रारंभिक कदम अब सत्र सेटअप की प्रमुख बाधाओं में से एक होता जा रहा है, इस प्रकार सीधे इलेक्ट्रॉन डिटेक्टरों द्वारा माइक्रोस्कोप चरण आंदोलनों और छवि अधिग्रहण की गति बढ़ाने के उद्देश्य से हार्डवेयर सुधारों की आवश्यकता पैदा हो रही है। इसके अतिरिक्त, लक्ष्य पहचान की प्रक्रिया को पूरी तरह से स्वचालित करने के लिए मशीन लर्निंग दृष्टिकोण का विकास रुचि के क्षेत्रों का चयन करने के लिए उपयोगकर्ताओं के दृश्य निरीक्षण की आवश्यकता को खत्म करने के लिए महत्वपूर्ण होगा, एक समय लेने वाली प्रक्रिया जो उपयोगकर्ताओं की विशेषज्ञता पर निर्भर करती है।
The authors have nothing to disclose.
हम जर्मनी के हीडलबर्ग में यूरोपियन मॉलिक्यूलर बायोलॉजी लेबोरेटरी में स्ट्रक्चरल एंड कम्प्यूटेशनल बायोलॉजी यूनिट और इलेक्ट्रॉन माइक्रोस्कोपी कोर फैसिलिटी और iNEXT-डिस्कवरी (प्रोजेक्ट नंबर 871037) से समर्थन स्वीकार करते हैं । हम सीरियलेम सॉफ्टवेयर पैकेज के लेखक, प्रोफेसर डेविड मास्ट्रोनार्ड से उत्कृष्ट समर्थन के लिए बेहद आभारी हैं। हम पांडुलिपि के महत्वपूर्ण पढ़ने के लिए हरमन फंग को भी धन्यवाद देते हैं।
Transmission Electron Microscope | Our protocol is only based on computational workflows. The user will only need acess to a TEM of any kind |