Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

BT Altyapısı ve Anlık Veri İşleme Hattı ile Kurum İçi Bir Kriyojenik Elektron Mikroskobu Tesisinin Tasarlanması ve İşletilmesi

154 görüntülenme

⸱

DOI:

10.3791/71837

⸱

1 Eylül 2026

 , 
1ITS-Technology Engineering, Information Technology Services, Physical & Biological Sciences Division, University of California-Santa Cruz, 2Biomolecular Cryo-Electron Microscopy Facility, University of California-Santa Cruz, 3Chemistry and Biochemistry Department, University of California-Santa Cruz

Bu makalede

Özet

Bu protokol, kurum içi bir Kriyojenik elektron mikroskobu (cryo-EM) tesisinin BT altyapısını tasarlamak ve işletmek için pratik bir çerçeve sunmaktadır. Ölçeklenebilir, sürdürülebilir ve yüksek performanslı cryo-EM operasyonları sağlarken çok terabaytlık veri kümelerinin verimli bir şekilde yönetilmesine olanak tanıyan tesis planlaması, ağ mimarisi, depolama, GPU hesaplama, uzaktan erişim ve gerçek zamanlı veri işlemeyi kapsamaktadır.

Özet

Kriyo-EM, biyolojik makromoleküllerin yüksek çözünürlüklü yapısal tayini için baskın bir yöntem haline gelmiştir. Dünya genelinde kurumsal kriyo-EM tesislerinin sayısı arttıkça, kalıcı bir sorun ortaya çıkmıştır: bu tesislere destek verecek veri altyapısı rutin olarak yetersiz planlanmaktadır. Doğrudan elektron dedektörleri (DED'ler) ile eşleştirilmiş modern kriyo-EM cihazları, günde 2 ile 5 TB arasında ham veri üretir ve 20 kullanıcılı bir tesis, tek bir operasyonel yıl içinde yaklaşık 2 PB veri biriktirebilir. Bu verilerin işlenmesi; veri toplama işlemi başlamadan önce hazır olması gereken özel GPU hesaplama düğümleri, yüksek hızlı dahili ağ iletişimi ve sağlam uzun vadeli arşivleme stratejileri gerektirir. Bu protokol, kurum içi bir kriyo-EM tesisinin BT ve hesaplama tasarımı için entegre bir çerçeve sunmaktadır. Fiziksel tesis gereksinimlerini (oda tasarımı, güç, soğutma ve titreşim izolasyonu), ekipman seçimini (mikroskoplar, DED'ler ve destekleyici cihazlar) ve tüm hesaplama yığınını: ağ anahtarı konfigürasyonu, depolama sunucusu seçimi ve boyutlandırması, GPU hesaplama düğümü temini ve uzaktan erişim mimarisini kapsamaktayız. Ardından, endüstri standardı araçları kullanarak veri toplama sırasında gerçek zamanlı olarak hareket düzeltme, kontrast transfer fonksiyonu (CTF) tahmini, partikül seçimi ve 2D sınıflandırmayı kapsayan, anlık veri işleme hatlarının uygulanması için ayrıntılı bir protokol sunuyoruz. Dış kullanıcılar için veri transfer stratejileri de ele alınmıştır. Bu kılavuz, literatürdeki kritik bir boşluğu dolduracak ve araştırmacıların ve yöneticilerin, ilk günden itibaren hesaplama açısından hazır olan kriyo-EM tesisleri kurmalarını sağlayacaktır.

Giriş

Kriyojenik elektron mikroskobisi (cryo-EM) çözünürlük devrimi, kristalleştirme ihtiyacı olmaksızın proteinlerin, nükleik asitlerin ve makromoleküler komplekslerin atomik çözünürlükte görselleştirilmesine olanak tanıyarak yapısal biyolojiyi dönüştürmüştür1,2. Bu dönüşümü üç teknik gelişme tetiklemiştir: yüksek kare hızlarına sahip doğrudan elektron dedektörlerinin (DED) geliştirilmesi, elektron optiği ve mikroskop mekaniğindeki iyileştirmeler ve GPU hızlandırmalı görüntü işleme yazılımlarının optimizasyonu3,4,5,6. Bu gelişmeler hep birlikte cryo-EM'i, genişleyen yapısal biyolog topluluğu için tercih edilen yöntem haline getirmiştir.

Kriyo-EM erişimine olan talep, hem büyük ulusal merkezlere hem de daha küçük kurumsal tesislere yönelik önemli yatırımları teşvik etmiştir. ABD'deki NCCAT, S2C2, PNCC ve MCCET ile Avrupa'daki eBIC, NeCEN ve SciLifeLab3,5,6 gibi ulusal merkezler, onaylanmış projeler için en üst düzey cihazlara erişim sağlamaktadır. Kurum içi tesisler, daha hızlı işlem süreleri ve kullanıcı-personel arasında daha yakın etkileşimle yinelemeli, projeye özgü araştırmaları destekleyerek bu kaynakları tamamlar. Ancak, işlevsel bir kurum içi tesis kurmak, sadece bir mikroskop satın almaktan çok daha fazlasını gerektirir: destekleyici BT altyapısı da aynı derecede kritiktir ve bu altyapının yetersizliği, yeni tesislerdeki operasyonel başarısızlıkların başlıca nedenidir6.

Tek bir yüksek uç cryo-EM oturumu, 24 saat içinde 2–5 TB ham film verisi üretebilir. Birden fazla mikroskop ve kullanıcıyla birlikte, veri yükü hızla petabayt ölçeğine ulaşır. Bu verilerin işlenmesi, veri toplama işlemiyle eş zamanlı olarak çalışması gereken GPU hızlandırmalı boru hatları gerektirir7,8. Ön işlemedeki gecikmeler, veri kalitesi hakkında geri bildirimin gecikmesi ve cihaz zamanının boşa harcanması anlamına gelir. Bu gerçeklere rağmen, cryo-EM tesis yönetimi üzerine yayınlanmış kılavuzların çoğu BT bileşenlerine çok az yer vermektedir ve hiçbiri eksiksiz bir veri altyapısının kurulması ve doğrulanması için adım adım bir operasyonel protokol sunmamaktadır.

Bu protokol söz konusu boşluğu doldurmaktadır. Tesis kurulumu için fiziksel ve teknik gereksinimleri, mikroskop ve dedektör seçim kriterlerini ve en önemlisi, bir kriyojenik elektron mikroskobu (cryo-EM) tesisini operasyonel olarak uygulanabilir kılan BT altyapısının tasarımını ve uygulamasını açıklıyoruz6. Anlık veri işlemeye özel bir önem verilmiştir: veri toplama sırasında verilerin otomatik ve eş zamanlı ön işlemesi, gerçek zamanlı kalite kontrolüne olanak tanır, toplama kararlarına rehberlik eder ve oturum sonrası işlem süresini önemli ölçüde azaltır9,10,11. Bu protokolü takip ederek, tesis geliştiricileri, geniş bir bilimsel topluluğa sürdürülebilir ve verimli bir şekilde hizmet veren eksiksiz ve entegre bir cryo-EM operasyonu kurma yetkinliğine sahip olacaklardır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Bu protokol boyunca kullanılan ekipman, yazılım ve malzemelerin ayrıntıları Malzeme Tablosu'nda verilmiştir.

1. Fiziksel tesis tasarımı, personel ve altyapı planlaması

  1. Bir konum değerlendirmesi yapın. Şunları sağlayan bir bina sahası seçin: titreşimden izole edilmiş bir zemin (ortam titreşim seviyeleri, ideal olarak 1–100 Hz'de < 1 µm/s RMS); manyetik alan kararlılığı (300 kV cihazlar için < 1 mG/m uzaysal gradyan ve < 0.1 mG/m zamansal varyasyon); sabit oda sıcaklığı (0.5 °C'den < dalgalanma ile 18–22 °C); nem kontrolü (%40–60 RH) ve düşük akustik gürültü (<50 dB). Planlama aşamasının başında mikroskop üreticisinin saha gereksinimlerine danışın.
    NOT: Mevcut bir odanın yenilenmesi, yeni bir inşaat kadar maliyetli olabilir. Genel bir kural olarak, oda hazırlığı için mikroskop satın alma fiyatının yaklaşık %20'sini bütçeleyin.
  2. Tesis düzenini, fonksiyonel bölgeler arasında net mekansal ayrımlar olacak şekilde tasarlayın: (a) kriyojenik transmisyon elektron mikroskopları (cryo-TEM'ler) için mikroskopi odası/odaları; (b) ızgara işlemleri ve depolama için bir numune hazırlama ön odası; (c) su soğutucularını, UPS ünitelerini ve mikroskop soğutma sistemlerini barındıran bir kontrol odası; ve (d) depolama ve hesaplama altyapısı için ayrı bir sunucu odası veya veri merkezi.
    NOT: Kontrol odasını her zaman 26 °C'nin altında tutun ve özel yedek güç ile soğutma sağlayın. Kontrol odasındaki sıcaklık sapmaları, mikroskopların çalışmadığı sürelerin yaygın bir kaynağıdır.
  3. Güç altyapısını planlayın. Üst düzey cryo-TEM'ler için özel üç fazlı güç devreleri kurun. Tüm mikroskopları, kameraları ve sunucu ekipmanlarını belirlenmiş korumalı güç altyapısına bağlayın. Güç kesintileri sırasında mikroskop çalışmasını ve soğutma suyu akışını sürdürebilen bir acil durum jeneratörünün eklenmesi için kurumun tesis ekibiyle koordinasyon sağlayın.
    NOT: Bir cryo-EM tesisindeki bazı cihazların güvenli güç döngüsü için bir günden fazla süre gerekir. Planlanmamış güç kayıpları, hassas devre kartlarına zarar verebilir ve aktif veri toplama oturumlarının kaybıyla sonuçlanabilir.
  4. Elektron mikroskobu ve ilgili donanımlar için soğutma suyu sistemlerini kurun. Otomatik failover özelliğine sahip bir yedek soğutma suyu devresi oluşturun. Su akış hızını, sıcaklığını ve iletkenliğini, mikroskobun entegre izleme sistemi veya özel bir sensör dizisi kullanarak sürekli izleyin.
  5. İnşaat veya renovasyon sırasında mikroskopi odasından/odalarından sunucu odasına fiber optik kablo hatları döşeyin. Minimum OM4 çok modlu veya OS2 tek modlu fiber belirleyin, yeterli pay bırakın ve her iki uçta etiketli patch paneller kullanın.
    NOT: Fiberi önceden döşemek, sonradan eklemekten çok daha ucuzdur.
  6. Cihaz bakımı, kullanıcı eğitimi, planlama, numune optimizasyonu ve veri toplama desteği sağlamak için özel mikroskop operatörleri veya tesis bilimcileri atayın. Altyapıyı, ağ performansını, siber güvenliği, veri yedeklemeyi, yazılım dağıtımını, GPU hesaplama kaynaklarını ve uzak kullanıcı erişimini yönetmek için özel BT personeli görevlendirin.
  7. Sağlanan kullanıcı desteği düzeyine ve hesaplama altyapısının karmaşıklığına göre personel gereksinimlerini belirleyin. UCSC Biomolecular cryo-EM Tesisi gibi daha küçük tesislerde, bu sorumluluklar hesaplama uzmanlığına sahip bir tesis yöneticisi veya merkezi kurumsal BT hizmetleri tarafından paylaşılabilir; ancak mikroskop, kullanıcı ve yıllık veri toplama oturumu sayısı arttıkça, uzmanlaşmış personel giderek daha gerekli hale gelir.
  8. Kesintisiz veri toplama, verimli veri yönetimi ve ölçeklenebilir hesaplama kaynakları sağlamak için birden fazla cryo-TEM çalıştıran tesislere özel BT desteği sağlayın. Operasyonel duruş sürelerini minimize etmek, gelecekteki genişletmeleri basitleştirmek ve büyüyen kullanıcı topluluklarını ve giderek daha veri yoğun hale gelen cryo-EM iş akışlarını destekleyebilecek sürdürülebilir bir çerçeve sunmak için tesis geliştirme aşamasının başında sağlam bir BT altyapısına ve personeline yatırım yapın.

2. Mikroskop ve dedektör seçimi

  1. Bir mikroskop seçmeden önce tesisin temel bilimsel misyonunu belirleyin. Şunları göz önünde bulundurun: (a) temel iş akışının tek parçacık analizi (SPA), kriyoelektron tomografisi (cryo-ET), mikroelektron difraksiyonu (microED) veya bunların bir kombinasyonu olup olmayacağı; (b) beklenen kullanıcı kitlesinin büyüklüğü ve projelerin çeşitliliği; (c) hem satın alma hem de devam eden servis sözleşmeleri için bütçe kısıtlamaları.
  2. Mevcut cryo-TEM platformlarını hedeflenen uygulamalara göre değerlendirin. Yüksek çözünürlüklü SPA ve alt-tomogram ortalaması (STA) için 300 kV cihazları değerlendirin. Tarama ve orta çözünürlüklü veri toplama için 200 kV cihazları değerlendirin. Tarama kapasitesine sahip, daha düşük maliyetli bir başlangıç noktası için 100–120 kV sistemleri değerlendirin (Tablo 1'de özetlenmiştir).
    NOT: Spesifikasyon belgeleri sık sık değişir. Ekipman kararlarını kesinleştirmeden önce güncel konfigürasyon ayrıntılarını ve fiyatlandırmayı her zaman doğrudan üreticiden talep edin.
  3. Mikroskoba ve uygulamaya uygun bir DED seçin. Thermo Fisher Scientific (TFS) cihazlarında yüksek çözünürlüklü SPA için Falcon 4i, şu anda Krios ve Glacios serilerindeki temel seçenektir.
  4. JEOL CryoARM cihazları için Gatan K3 mükemmel hassasiyet ve kare hızları sağlar. Hem SPA hem de microED'yi hedefleyen tesisler, dedektörün elektron difraksiyonu veri toplama modlarıyla uyumluluğunu onaylamalıdır (Tablo 2).
    NOT: DED, tesisin en pahalı bileşenlerinden biridir ve veri kalitesini ve depolama gereksinimlerini önemli ölçüde etkiler. Örneğin, Electron Event Register (EER) modu, geleneksel sıkıştırılmış formatlardan çok daha büyük ham dosyalar üretir; bu da orantılı olarak daha fazla depolama alanı ve ağ bant genişliği gerektirir.
  5. Bir cryo-EM cihaz konfigürasyonu seçerken, görüntü kalitesini, dedektör seçimini ve genel sistem performansını önemli ölçüde etkileyebileceği için bir enerji filtresinin rolünü değerlendirin. Enerji filtreleri, inelastik olarak saçılan elektronları uzaklaştırarak kontrastı ve sinyal-gürültü oranını iyileştirir; bu durum özellikle zorlu örnekler, yüksek çözünürlüklü SPA (faydalıdır), cryo-ET (kritiktir) ve microED (faydalıdır) uygulamaları için yararlıdır.
  6. Cihaz seçimi sırasında mevcut enerji filtresi sistemlerini değerlendirin. Gatan Bioquantum ve Biocontinuum veya Thermo Fisher Scientific Selectris ve SelectrisX sistemleri, konfigürasyona bağlı olarak genellikle yaklaşık US$0.3–1.5M maliyetindedir.
  7. Nihai cihaz konfigürasyonunu seçmeden önce, enerji filtreleri ile ilişkili ek maliyeti ve karmaşıklığı; dedektör yetenekleri, tesis hedefleri ve beklenen kullanıcı uygulamaları ile birlikte değerlendirin.
  8. Toplam satın alma maliyetini hesaplarken servis sözleşmelerini hesaba katın. Servis sözleşmeleri tipik olarak mikroskobu, enerji filtresini, dedektörü ve su soğutma sistemini kapsar.
  9. Yanıt süresi garantileri ve yedek parça imkanları dahil olmak üzere servis sözleşmesi şartlarını cihaz satın alma sırasında müzakere edin. Servis kapsamı için cihaz satın alma fiyatının yıllık %8–15'ini bütçeyin.

3. Ağ mimarisi tasarımı ve uygulaması

  1. Dahili tesis ağını, merkezî yüksek hızlı bir anahtar (switch) etrafında tasarlayın. Veri üreten ve veri tüketen tüm cihazları bu anahtara desteklenen en yüksek hızda doğrudan bağlayın: mikroskop kontrolörü, kamera kontrolörü (genellikle ayrı bir iş istasyonudur), depolama sunucuları ve GPU hesaplama düğümleri.
  2. Her bir cihaza minimum 10 Gbps bağlantı sağlayın. Bütçenin izin verdiği yerlerde, anahtar ile depolama ve hesaplama düğümleri arasında 25 Gbps veya daha hızlı uplink bağlantıları planlayın.
    NOT: 1 Gbps hızında, 20 TB ham verinin aktarılması 2-3 gün sürer. 10 Gbps hızında aynı aktarım 5-6 saat sürer. 25 Gbps hızında ise yaklaşık 2 saat sürer. Ağ hızı, anlık işlemenin veri kazanım hızıyla aynı tempoda gidip gidemeyeceğini doğrudan belirler.
  3. Merkezî anahtarı belirleyin. Gereksinimler: (a) tam hat hızında bloklamasız anahtarlama yapısı (non-blocking switching fabric); (b) tüm tesis cihazları için yeterli SFP+ veya QSFP portları; (c) yönetilebilir anahtar işlevselliği (VLAN desteği, trafik izleme, tanılamalar için port aynalama); (d) yedekli güç kaynağı modülleri. Bloklamasız anahtarlama yapısı, yeterli yüksek hızlı portlar, trafik yönetimi işlevleri ve yedekli güç kaynakları sağlayan kurumsal düzeyde yönetilebilir bir anahtar seçin.
  4. Ağı, şunları ayırmak için VLAN'ler kullanarak bölümlere ayırın: (a) veri kazanım VLAN'i (mikroskop ve kamera kontrolörleri, depolama sunucuları); (b) hesaplama VLAN'i (GPU iş istasyonları ve küme düğümleri); (c) yönetim VLAN'i (uzaktan erişim, izleme, yönetim).
    NOT: Ağ bölümlendirme, yayın (broadcast) trafiğini azaltır, güvenliği artırır ve her alt sistemin bağımsız olarak sorun giderilmesine olanak tanır.
  5. Tesis ağını, merkezî anahtar üzerindeki özel bir uplink portu aracılığıyla kurumsal WAN'a bağlayın. Kampüs ağına yapılan 1-10 Gbps'lik bir uplink, uzaktan erişim ve harici veri aktarımı için yeterlidir.
  6. Tesis tarafından erişilebilen tüm cihazlar için statik IP adresleri, DNS kayıtları ve uygun güvenlik duvarı kurallarının tanımlanması için kurumun BT birimiyle koordinasyon sağlayın (Şekil 1).
  7. Tüm ağ kablo hatlarını döşeyin ve etiketleyin. 100 m'ye kadar 10+ Gbps bağlantılar için doğrudan bağlantı kabloları (DAC) veya aktif optik kablolar kullanın (zırhlı Cat6A da 100 m'ye kadar 10 Gbps için uygundur); kabinetler arası 25+ Gbps bağlantılar için önceden sonlandırılmış fiber düzenekler (LC-LC veya MTP) kullanın.
  8. Cihaz isimlerini, IP adreslerini, port atamalarını ve VLAN üyeliklerini belirten bir ağ diyagramı ile tüm kablolama şemasını belgeleyin.
    NOT: Küçük bir cryo-EM tesisi için önerilen minimum ağ topolojisinin şeması için Şekil 2'ye bakınız.

4. Depolama sunucusu tasarımı ve yaygınlaştırılması

  1. Donanımı temin etmeden önce depolama gereksinimlerini hesaplayın. Temel bir değer olarak: tek bir üst düzey cryo-EM oturumu günde 2–5 TB ham veri üretir.
  2. Öngörülen tesis kullanımına göre uzun vadeli depolama gereksinimlerini tahmin edin. İki mikroskobun çalıştığı 20 kullanıcılı bir tesis, 3–6 aylık çalışma süresi içinde yaklaşık 2 PB veri üretebilir. İşlenmiş veri setleri sıklıkla ham girdiden 10–20 kat daha büyük olduğundan, hem ham veri depolaması (kısa vadeli, yüksek veri akışlı) hem de işlenmiş veri depolaması (orta vadeli, daha büyük hacimli) için planlama yapın.
  3. Güçlü bir depolama mimarisi seçin. Çoğu tesis için uygun maliyet-kapasite oranı, yerleşik veri bütünlüğü doğrulaması (checksumming), esnek RAID eşdeğer yapılandırmaları (RAIDZ, RAIDZ2) ve anlık görüntü (snapshot) desteği sunan bağımsız ZFS tabanlı sunucular, önerilen başlangıç noktasıdır. Kümelenmiş dağıtık dosya sistemleri (Gluster, Ceph, GPFS/IBM Spectrum Scale) daha yüksek performans ve ölçeklenebilirlik sunabilir ancak birden fazla fiziksel sunucu ve daha karmaşık bir yönetim gerektirir.
  4. ZFS depolama havuzlarını yapılandırın. Önerilen başlangıç yapılandırması: iki adet RAIDZ2 vdev (her biri 6–8 adet yüksek kapasiteli SAS HDD'den oluşur, her biri 16–20 TB), iki eşzamanlı sürücü arızasına karşı koruma sağlayarak yaklaşık %60–70 kullanılabilir kapasite sunar.
  5. Aktif işleme işleri için rastgele okuma performansını hızlandırmak amacıyla 2–4 adet NVMe SSD kullanarak özel bir SSD yazma önbelleği (L2ARC) vdev ekleyin.
    NOT: Üretim depolama dizilerinde tüketici sınıfı SATA sürücüler kullanmayın. Cryo-EM iş akışlarının sürekli rastgele I/O modelleri için dereceli iş yükü kapasitesine (örneğin, 550 TB/yıl) sahip kurumsal SAS veya NL-SAS sürücüler gereklidir.
  6. ZFS depolama sunucusunda NFS dışa aktarımlarını (Linux istemciler için) ve SMB paylaşımlarını (Windows istemciler için) yapılandırın. Ara kopyalar olmadan doğrudan veri erişimi sağlamak için ana veri paylaşımını tüm GPU hesaplama düğümlerine ve kamera kontrol istasyonuna bağlayın.
  7. Bir veri saklama ve yaşam döngüsü politikası oluşturun. Şunları tanımlayın: (a) ham film saklama süresi (tipik olarak toplama sonrası 3–6 ay); (b) hareket düzeltmeli mikrograf saklama; (c) nihai işlenmiş veri setlerinin saklanması (yayına kadar süresiz); (d) tamamlanan projeler için arşivleme prosedürü.
  8. Ek depolama alanının zamanında temin edilmesini sağlamak için depolama kullanımı %70 kapasiteyi aştığında otomatik uyarılar uygulayın.
    NOT: Depolama, cryo-EM tesis planlamasında en yaygın olarak hafife alınan maliyettir. Mikroskop satın alma onayını, yeterli depolama finansmanı ile karıştırmayın. Depolama temini, veri toplama başladıktan sonra değil, cihaz kurulumuna paralel olarak planlanmalıdır.

5. GPU hesaplama altyapısı

  1. Beklenen veri akışına göre hesaplama gereksinimlerini belirleyin. 24 saatlik bir oturumda 3.000–5.000 mikrograf üreten tek bir mikroskop için, toplama hızında anlık ön işleme işlemini sürdürebilmek adına, her biri 4x NVIDIA GPU kartı (Maxwell veya daha yeni, 11+ GB VRAM, örn. RTX 3090, RTX 4090 veya A100) ile donatılmış en az iki hesaplama düğümü gereklidir.
  2. Daha büyük tesisler veya yüksek eğim serisi hacmine sahip cryo-ET iş akışları için ek düğümler sağlayın.
  3. GPU hesaplama düğümü donanımını belirtin. Her düğüm şunları içermelidir: (a) CUDA desteğine sahip 4x NVIDIA GPU (CryoSPARC ve RELION 3D rafinasyonları için GPU başına minimum 24 GB VRAM); (b) paralel CPU tabanlı adımları (CTF kestirimi, dosya I/O) desteklemek için yüksek çekirdek sayılı bir CPU (AMD EPYC veya Intel Xeon, ≥32 çekirdek); (c) ≥256 GB sistem RAM'i; (d) aktif iş ara ürünleri için 2–4 TB NVMe SSD yerel geçici alan; (e) 10/25 Gbps ağ arayüz kartı (NIC); (f) çalışma veri setleri için yeterli yerel depolama (genellikle bir RAID birimi). NOT: Tüketici sınıfı GPU'lar (RTX 4090), cryo-EM iş yükleri için kurumsal düzeydeki alternatiflere (A100) kıyasla çok daha düşük maliyetle benzer performans sunabilir. Bellek erişim modelleri yüksek bellek bant genişlikli GPU'ları tercih ettiğinden, özellikle CryoSPARC ve RELION için kıyaslama testlerini değerlendirin.
  4. Her hesaplama düğümüne NVIDIA sürücü yığınını, CUDA araç kitini (CryoSPARC ve RELION ile uyumlu sürüm) ve cuDNN'i kurun. Yazılım ortamlarını tüm düğümlerde standartlaştırmak ve gelecekteki güncellemeleri basitleştirmek için bir yapılandırma yönetim aracı kullanın.
  5. CryoSPARC'ı bağımsız veya küme konfigürasyonunda dağıtın. Çok düğümlü bir tesis için, CryoSPARC-master'ı özel bir ana düğüme ve CryoSPARC-worker'ı her bir GPU hesaplama düğümüne kurun.
  6. Birden fazla kullanıcının eşzamanlı işleme görevleri göndermesine izin verecek şekilde iş zamanlamasını yapılandırın. Minimum sistem gereksinimleri ve ağ yapılandırması için resmi CryoSPARC mimari dokümantasyonunu takip edin.
  7. Kullanıcılara her iki işleme ekosistemini de sunmak için ana işleme platformunun yanına RELION'u kurun. Yazılımı, bir zamanlayıcı (SLURM veya PBS/Torque) aracılığıyla yerel hesaplama düğümlerini kullanacak şekilde yapılandırın.
  8. Yardımcı araçları kurun: MotionCor2 (hareket düzeltme), CTFFIND4 ve Gctf (CTF kestirimi), TOPAZ (makine öğrenimi tabanlı partikül seçimi), crYOLO (sinir ağı partikül seçici) ve cryoDRGN (heterojenlik analizi). SPA, cryo-ET, STA ve microED için mevcut yazılım paketlerine genel bir bakış için Tablo 3'e başvurun. 
  9. Yeniden üretilebilir, sürümlendirilmiş yazılım ortamlarını sürdürmek için SBGrid konsorsiyum dağıtımını veya konteyner tabanlı yazılım yönetimini (HPC ortamları için Singularity/Apptainer; iş istasyonları için Docker) kullanın.
    NOT: SBGrid, akademik kurumlar için otomatik güncelleme yönetimi ile birlikte tüm ana cryo-EM yazılım araçlarının önceden derlenmiş, doğrulanmış sürümlerini sağlar.

6. Uzaktan erişim altyapısı

  1. Tüm tesis dışı kullanıcılar ve personel için birincil güvenli giriş noktası olarak VPN tabanlı uzak erişimi kurun. Cihazları genel internete açık hale getirmeden, tesisin hesaplama ve depolama ağına erişim sağlayan tesise özel bir VPN profili veya tüneli oluşturmak için kurum BT birimiyle birlikte çalışın.
  2. Tüm uzak erişim noktalarında iki faktörlü kimlik doğrulamayı (2FA) uygulayın (Şekil 2).
  3. Mikroskop kontrolörlerine ve GPU iş istasyonlarına grafiksel erişim için uzak masaüstü yazılımları dağıtın. Önerilen seçenekler: (a) TeamViewer (ticari, platformlar arası, NAT üzerinden erişim sağlayan—mikroskop kontrolör erişimi için uygundur); (b) NoMachine (ticari, platformlar arası, OpenGL 3D grafik yönlendirmesini destekler—görselleştirme araçları çalıştıran GPU iş istasyonları için önerilir); (c) VirtualGL ile TurboVNC (açık kaynaklı, yalnızca Linux, uzak 3D işlemesini destekler).
    NOT: Birçok cryo-EM görselleştirme aracı, 3D işlemeleri için OpenGL kullanır. Standart X11 yönlendirmesi, donanım hızlandırmalı OpenGL'i desteklemez. Bu uygulamalar için NoMachine veya VirtualGL/TurboVNC kullanın.
  4. Mikroskop veri toplama yazılımına uzak erişimi yapılandırın. Kurumsal VPN üzerinden uzak işletim için Leginon veya SerialEM kullanın. Mikroskop toplama yazılımına, onaylanmış bir uzak masaüstü uygulaması aracılığıyla uzaktan erişilebilir.
  5. Kullanıcı operasyonlarını başlatmadan önce, temsilci tesis dışı konumlardan (ev ağları, iş birliği yapılan kurumlar) uzak bağlantıyı test edin (Tablo 4).
  6. Personelin ve kullanıcıların veri toplama durumunu, ön işleme çıktılarını, depolama kullanımını ve hesaplama kuyruğu durumunu uzaktan izlemesini sağlamak için web tabanlı bir tesis izleme paneli kurun. Leginon, yerleşik bir web izleme arayüzü içerir.
  7. CryoSPARC iş akışı için, pipeline günlük çıktıları ve sistem izleme araçları (Prometheus, node_exporter) tarafından beslenen bir Grafana veya özel bir web paneli yapılandırın.
  8. Harici kullanıcılar için bir veri teslim mekanizması oluşturun. Tesis depolamasında Globus Connect Server gibi kimlik doğrulama gerektiren bir veri transfer servisi yapılandırın.
  9. Globus erişimi olmayan kullanıcılar için, belgelenmiş sağlama toplamları (checksum) ile USB sabit sürücü gönderim prosedürleri hazırlayın. Harici kullanıcılar tarafından çok TB'lık veri setlerinin pratik şekilde doğrudan indirilmesi için 10 Gbps internet uplink hattı gereklidir.

7. Anlık veri işleme iş akışı: uygulama

  1. Her veri toplama oturumundan önce veri akış yolunu önceden yapılandırın. Şunları doğrulayın: (a) kamera kontrolcüsünün ham videoları doğrudan tesisin NFS üzerinden bağlanan yüksek performanslı depolama birimine yazdığı; (b) NFS paylaşımının tüm GPU hesaplama düğümlerinde bağlı ve erişilebilir olduğu; (c) planlanan oturum için yeterli boş depolama kapasitesinin bulunduğu (24 saatlik bir SPA oturumu için minimum 5 TB boş alan); (d) GPU hesaplama düğümlerinin müsait olduğu ve kaynaklar için rekabet edecek uzun süreli başka işlemlerin bulunmadığı.
  2. Bir kazanç referans düzeltmesi kurulumu yapın. Her oturumdan önce, dedektör üreticisi tarafından belirtilen şekilde (genellikle gridin boş bir alanına yapılan boş ışın maruziyeti) bir kazanç referans görüntüsü edinin.
  3. Kazanç referans dosyasını belirlenen ön işleme giriş dizinine yerleştirin. Tüm hareket düzeltme yazılımları (MotionCor2, RELION'un kendi uygulaması), doğru şekilde yapılandırıldıkları takdirde bu referansı otomatik olarak uygulayacaktır.
  4. (Gerçek zamanlı görselleştirme için tercih edilen) CryoSPARC-Live kullanarak anlık ön işleme hattını başlatın. Ön işleme hattı, ilk filmler çıktı dizininde göründüğünde başlatılmalıdır; bu durum genellikle otomatik veri toplamanın ilk 5–10 dakikası içinde gerçekleşir.
    NOT: CryoSPARC-Live, yeni movie dosyaları için belirlenmiş bir dizini izlemeye devam eder ve dosyalar geldikçe bunları işler. Temel fark, CryoSPARC-Live'ın izleme için gerçek zamanlı, etkileşimli bir web arayüzü sunmasıdır.
  5. CryoSPARC-Live iş akışı
    1. Web arayüzünde yeni veya mevcut bir projeye gidin ve yeni bir canlı oturum oluşturun11,36.
    2. Giriş kaynağını yapılandırın: kamera kontrol cihazı tarafından yazılan dizin yolunu ('izleme klasörü'), ham film dosyalarıyla eşleşen dosya desenini (örneğin, *.tif, *.mrc veya EER formatındaki Falcon 4i verileri için *.eer) ve kazanç referans dosyası yolunu belirtin.
    3. Hareket düzeltme parametrelerini ayarlayın: kullanılacak kare sayısı, yama tabanlı hareket düzeltme (önerilen: 5x5 yamalar), çıktı binning faktörü (genellikle Nyquist sınırına yakın veri toplama için 1; ilk tarama için 2) ve kare başına elektron dozu (toplam doz ve kare sayısından hesaplanır).
    4. CTF kestirim parametrelerini ayarlayın: uydurma için minimum ve maksimum çözünürlük (tipik olarak 30 Å ve 4 Å), defocus arama aralığı (0,5–5 µm (SPA için önerilen) ve kabul edilebilir maksimum astigmatizma. Cryo-ET veri setleri için eğim başına CTF kestirimini etkinleştirin.
    5. Parçacık seçimi yapılandırması: seçim yöntemini belirleyin (ilk oturumlar için blob seçici; ilk iyi 2D sınıflar elde edildikten sonra şablon seçici; zor örnekler için TOPAZ seçici). Beklenen parçacık çapını ve minimum/maksimum parçacık aralığını ayarlayın.
    6. Depolama gereksinimlerini, veri aktarım yükünü ve hesaplama maliyetini önemli ölçüde azaltmak için, partikül ekstraksiyonu sırasında Fourier kırpma işleminin 4 kat faktörle (fiziksel piksel boyutunun 4 katına çıkmasıyla sonuçlanır) yapılması önerilir. Rutin veri kalite değerlendirmesi için 3–5 arasındaki ara çözünürlükler Å genellikle anlık işlem sırasında yeterlidir.
    7. Canlı oturum sırasında 2D sınıflandırmayı etkinleştirin. 2D sınıf sayısını (genellikle 50–200), artımlı güncellemeler için toplu işlem boyutunu (200–500 partikül) ve sınıflandırma için çözünürlük sınırını (6–8 Å) ayarlayın. Å (ilk değerlendirme için).
    8. Canlı oturumu başlatın. Gerçek zamanlı paneli şu değerler için izleyin: gelen film sayısı ve hızı, hareket düzeltme kalitesi (film başına toplam hareket—şu değerlere sahip filmleri reddedin: >30 Å (başparmak kuralı olarak toplam hareket), CTF uyum kalitesi (CTF uyum çözünürlüğü ile mikrografları reddedin >6–8 Å), mikrograf başına parçacık verimi ve gelişen 2D sınıf ortalaması kalitesi.
    9. Otomatik kürasyon için kabul eşikleri belirleyin. Filtreler panelinde; hareket (toplam hareket kesme değeri), CTF kalitesi (uyum çözünürlüğü kesme değeri) ve defocus aralığı (aşırı düşük veya yüksek odaklı mikrografları hariç tutun) için red kriterlerini tanımlayın. Küratörlüğü yapılmış partiküller, otomatik olarak sonraki aşamadaki 2D sınıflandırma işlemine yönlendirilir.

8. Veri toplama sırasında gerçek zamanlı kalite kontrolü ve geri bildirim

  1. Oturum boyunca CTF istatistiklerini sürekli izleyin. Her mikrograf için defocus değerlerini grafikleyin: dağılım, hedeflenen defocus aralığında (SPA için tipik olarak −0.5 ila −3.0 µm) kümelenmelidir.
  2. Daha yüksek defocus değerlerine doğru sistematik kayma, sahne kayması veya eusentrik yükseklik hatalı kalibrasyonuna işaret edebilir. CTF uyum çözünürlüğü 6 Å değerinin altına düşerse, bu durum tipik olarak buz kontaminasyonu, demet kararsızlığı veya müdahale gerektiren bir odak kaymasını gösterdiğinden tesis personelini derhal bilgilendirin.
  3. Hareket düzeltme çıktılarını izleyin. Yüksek kaliteli veriler için film başına toplam çerçeve içi hareket 10–30 Å'den az olmalıdır. İlk karelerdeki sistematik yüksek hareket beklenir ve düzeltilir; ancak film boyunca devam eden yüksek hareket (toplamda >40 Å), mekanik sahne kararsızlığına veya numune şarjlanmasına işaret edebilir ve araştırılmalıdır.
  4. Oturum sırasında güncellendikçe (her 30–60 dk'da bir) 2D sınıf ortalamalarını inceleyin. Yüksek kaliteli bir veri setinin göstergeleri şunlardır: sekonder yapı özelliklerini gösteren sınıf ortalamaları, partikülün birden fazla belirgin görünümü ve istifleme veya agregasyon artefaktlarının olmaması.
  5. Müdahale gerektiren göstergeleri izleyin: tüm partiküllerin özelliksiz 'çöp' sınıflara ayrılması (kötü numune veya buz kalitesine işaret eder), belirli görünümlerin tamamen eksik olması (tercih edilen yönelime işaret eder—grid optimizasyonu gerektirebilir) veya mikrograf başına aşırı düşük partikül verimleri.
  6. Tüm gözlemleri yapılandırılmış bir oturum günlüğüne kaydedin. Şunları kaydedin: oturum başlangıç/bitiş zamanları, mikroskop ve kamera ayarları, anlık istatistik özeti (toplanan toplam film sayısı, CTF filtresinden geçen oran, hareket filtresinden geçen oran, seçilen toplam partikül sayısı, 2D sınıf değerlendirmesi) ve yapılan tüm müdahaleler. Bu günlük, geriye dönük kalite değerlendirmesi ve tesis performans raporlaması için gereklidir.
  7. Oturum sonunda, özet bir veri kalite raporu oluşturun. Canlı işleme platformu bir oturum özetini otomatik olarak dışa aktarır.
    NOT: Özetler ve raporlar oluşturmak için bir başka seçenek, Vitreum gibi yapay zeka araçlarını kullanmaktır. UCSC Biomoleküler Cryo-EM Tesisinde, Vitreum platformu laboratuvar iş akışlarını ve deneysel dokümantasyonu yönetmek için kullanılır. Vitreum, deneysel adımları gerçekleştikleri sırada kaydeder, protokol düzeyindeki kısıtlamaları uygular, iş akışı yürütmesini önceden tanımlanmış kalite kriterlerine göre doğrular ve laboratuvar faaliyetlerinin denetlenebilir bir kaydını sunar. Laboratuvar operasyonlarını tesisin hesaplama ve veri yönetimi altyapısıyla entegre ederek platform, manuel kayıt tutma işlemini minimize eder, tekrarlanabilirliği artırır, tesis personeli ile kullanıcılar arasındaki iletişimi kolaylaştırır ve numune hazırlığından veri toplama ve sonraki hesaplamalı analizlere kadar deneylerin tutarlı bir şekilde takip edilmesini sağlar.

9. Toplama sonrası veri işleme hattı

  1. Anlık ön işleme tamamlandıktan sonra, küratörlüğü yapılmış kutulanmış (binned) partikül yığını, küratörlüğü yapılmış ön işlemeden geçmiş filmlerle birlikte dışa aktarılır.
  2. CryoSPARC projesini ana iş istasyonundan ayırın ve ardından uzak erişimli başka bir paylaşımlı iş istasyonuna yeniden bağlayın. Bu işlem, bir sonraki veri toplama oturumunu başlatmak için hızlıca boşaltma ve devir yapılmasını sağlar.
    NOT: Tipik bir veri toplama işlemi 1–2 gün arasında değişebilir ve CryoSPARC-Live ile kolayca izlenebilir. Ancak, 3D işleme adımları haftalar veya aylar sürebilir, bu nedenle projenin iş istasyonları ve depolama sunucuları arasında aktarılması gerekçelendirilir.
  3. CryoSPARC'ta, çevrimdışı 3D işleme için canlı oturumdaki küratörlüğü yapılmış kutulanmış partikülleri standart bir projeye dışa aktarın36. 
  4. Ab initio 3D rekonstrüksiyon gerçekleştirin. CryoSPARC'ta, Ab Initio Reconstruction işini kullanın (heterojen örnekler için 3–5 başlangıç modeli önerilir). Yapısal heterojenliği değerlendirmek için 1–4 başlangıç modeli oluşturun.
  5. Rekonstrüksiyon değerleri tatmin edici olduğunda, genel çözünürlüğü artırmak için kutulanmamış (unbinned) partikülleri yeniden çıkarın.
  6. Heterojen rafinasyon (birden fazla konformasyon veya sınıftan şüpheleniliyorsa) ve ardından en iyi sınıf için homojen rafinasyon kullanarak 3D rafinasyon yapın. CryoSPARC'ta, heterojen rafinasyonu takip eden non-uniform rafinasyon kullanın. 
  7. Kullanıcı tercihine bağlı olarak, demet kaynaklı hareketi ve partikül başına odak dışılığı (defocus) hesaba katarak partikül başına düşen sinyali iyileştirmek için RELION'da13 Bayesian polishing uygulayın veya partikül başına hareket düzeltme ve CTF rafinasyonu (CryoSPARC: CTF refinement işi) kullanın. Bu adım rutin olarak final harita çözünürlüğünü 0.2–0.5 Å oranında artırır. Ek olarak, CryoSPARC'taki referans tabanlı hareket düzeltme (RBMC) de çözünürlüğü ve harita kalitesini artırmak için bir seçenek olabilir.
  8. Final haritasını altın standart Fourier kabuk korelasyonu (FSC) prosedürünü kullanarak doğrulayın. Partikül yığınını iki bağımsız yarı sete bölün, bağımsız olarak rafine edin ve iki yarı harita arasındaki FSC'yi hesaplayın. Final çözünürlüğü FSC = 0.143 değerinde raporlayın.
  9. Atomik model yerleştirmesinden sonra, bağımsız doğrulama metrikleri olarak harita-model FSC (FSC-Q) ve Q-skorlarını hesaplayın37.
  10. Atomik model oluşturma ve doğrulama gerçekleştirin. Yoğunluk haritasından otomatik de novo model oluşturmak için ModelAngelo kullanın20. Modeli PHENIX gerçek uzay rafinasyonu ile rafine edin ve MolProbity ile doğrulayın.
  11. Başlangıç modeli oluşturulduktan sonra; yoğunluk haritasını görselleştirmek, atomik koordinatları yerleştirmek veya ayarlamak, modelleme hatalarını düzeltmek, eksik bölgeleri oluşturmak ve protein, nükleik asit veya ligand yapılarını optimize etmek için COOT35 kullanın. Bu araç; kalıntıların, yan zincir konformasyonlarının, ikincil yapıların ve sekans atamalarının etkileşimli olarak düzenlenmesine, ardından atomik model ile deneysel yoğunluk arasındaki uyumu artırmak için gerçek uzay rafinasyonuna olanak tanır.
  12. Son olarak, final atomik modeli Protein Veri Bankası'na (PDB), yoğunluk haritasını Elektron Mikroskopisi Veri Bankası'na (EMDB) ve ham veya ön işlemeden geçmiş verileri Elektron Mikroskopisi Kamu Görüntü Arşivi'ne (EMPIAR) gönderin.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

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...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bir kryo-EM tesisinin BT altyapısı, sonradan eklenen destekleyici bir unsur değil, operasyonel bir ön koşuldur. Yeterli depolama, ağ ve işlem kapasitesi olmadan veri toplamaya başlayan tesisler; ham verileri atmak, veri toplamayı durdurmak veya yapı belirleme sürecinde aylar süren gecikmeleri kabul etmek arasında kalmak zorunda kalırlar. Burada açıklanan protokoller, hesaplama omurgasının ilk kullanıcı oturumundan önce tasarlanmasını, test edilmesini ve doğrulanmasını sağlayarak bu sonuçların önüne geçmek için tasarlanmı...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar herhangi bir çıkar çatışması beyan etmemektedir.

Teşekkürler

Yazarlar, bilimsel ve teknik destekten dolayı (NIH High-End Instrumentation programı, S10OD02509), California Üniversitesi-Santa Cruz Kimya ve Biyokimya Bölümü'ndeki Biomolecular Cryo-Electron Microscopy Facility'ye (RRID: SCR_021755) teşekkür ederler.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Krios 5ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-5-cryo-tem.htmlGeçirimli Elektron Mikroskobu
Krios G4ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-g4-cryo-tem.htmlGeçirimli Elektron Mikroskobu
GlaciosThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-cryo-tem.htmlGeçirimli Elektron Mikroskobu
Glacios 2ThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/glacios-2-cryo-tem.htmlGeçirimli Elektron Mikroskobu
Glacios 3ThermoFisher Scientifichttps://www.thermofisher.com/ (en yeni nesil; ürün sayfası bölgeye göre değişiklik gösterebilir)Geçirimli Elektron Mikroskobu
Talos ArcticaThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-arctica.htmlGeçirimli Elektron Mikroskobu
Talos L120CThermoFisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/transmission-electron-microscopes/talos-l120c.htmlGeçirimli Elektron Mikroskobu
CRYO ARM 300 II (JEM-Z300FSC)JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm300ii.phpGeçirimli Elektron Mikroskobu
CRYO ARM 200JEOLhttps://www.jeol.com/products/scientific/tem/cryoarm200.phpGeçirimli Elektron Mikroskobu
JEM-3200FSCJEOLhttps://www.jeol.com/products/scientific/tem/jem3200fsc.phpGeçirimli Elektron Mikroskobu
HF8300Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/hf8300.htmlGeçirimli Elektron Mikroskobu
HT7800Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/tem/ht7800.htmlGeçirimli Elektron Mikroskobu
SU9000 (TEM/STEM)Hitachihttps://www.hitachi-hightech.com/global/en/products/microscopes/sem-tem/su9000.htmlGeçirimli Elektron Mikroskobu
Falcon 4iThermo Fisher Scientifichttps://www.thermofisher.com/us/en/home/electron-microscopy/products/direct-electron-detectors/falcon-4i.htmlDoğrudan Elektron Dedektörü
Gatan K3Gatan (AMETEK)https://gatan.com/products/tem-cameras/k3-is-cameraDoğrudan Elektron Dedektörü
Gatan K2Gatanhttps://gatan.com/products/tem-cameras/k2-cameraDoğrudan Elektron Dedektörü
ApolloDirect Electronhttps://directelectron.com/apollo/Doğrudan Elektron Dedektörü
DE64Direct Electronhttps://directelectron.com/de-64/Doğrudan Elektron Dedektörü
RELIONMRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://relion.readthedocs.ioSPA yazılım paketi
cryoSPARCStructura Biotechnologyhttps://cryosparc.comSPA yazılım paketi
EMAN2Baylor College of Medicine (Steven Ludtke Laboratuvarı tarafından geliştirilmiştir)https://blake.bcm.edu/emanwiki/EMAN2SPA yazılım paketi
cisTEMNational Research Council Canada (Tim Grant ve meslektaşları tarafından geliştirilmiştir)https://cistem.orgSPA yazılım paketi
SPHIREMax Planck Institute of Molecular Physiology ve Baylor College of Medicinehttps://sphire.mpg.deSPA yazılım paketi
cryoDRGNPrinceton University (Ellen Zhong Laboratuvarı tarafından geliştirilmiştir)https://cryodrgn.cs.princeton.eduSPA yazılım paketi
TopazHarvard Medical School (Travis Bepler Laboratuvarı tarafından geliştirilmiştir)https://github.com/tbepler/topazSPA yazılım paketi
crYOLOMax Planck Institute of Biophysicshttps://cryolo.readthedocs.ioSPA yazılım paketi
WarpMRC Laboratory of Molecular Biology (Dmitry Tegunov tarafından geliştirilmiştir)http://www.warpem.comcryo-ET ve STA yazılım paketi
ModelAngeloMRC Laboratory of Molecular Biologyhttps://www.modelangelo.orgcryo-ET ve STA yazılım paketi
IMODUniversity of Colorado Boulderhttps://bio3d.colorado.edu/imodcryo-ET ve STA yazılım paketi
DynamoCentro Nacional de Biotecnología (CNB-CSIC)https://www.dynamo-em.orgcryo-ET ve STA yazılım paketi
emClarityUniversity of California, San Franciscohttps://github.com/StochasticAnalytics/emClaritycryo-ET ve STA yazılım paketi
RELION (ET modülü)MRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://relion.readthedocs.iocryo-ET ve STA yazılım paketi
EMAN2 (SPT)Baylor College of Medicinehttps://blake.bcm.edu/emanwiki/EMAN2cryo-ET ve STA yazılım paketi
Warp/MMRC Laboratory of Molecular Biologyhttps://warpem.github.iocryo-ET ve STA yazılım paketi
AreTomoStanford University (Fei Sun ve Wah Chiu grupları tarafından geliştirilmiştir)https://github.com/czimaginginstitute/AreTomo2cryo-ET ve STA yazılım paketi
PEETUniversity of Colorado Boulderhttps://bio3d.colorado.edu/PEETcryo-ET ve STA yazılım paketi
PyTomMax Planck Institute of Biochemistryhttps://pytom.orgcryo-ET ve STA yazılım paketi
Tomo3Dİspanya Ulusal Biyoteknoloji Merkezi (CNB-CSIC)https://sites.google.com/site/3demimageprocessing/tomo3dcryo-ET ve STA yazılım paketi
crYOLO (3D)Max Planck Institute of Biophysicshttps://cryolo.readthedocs.iocryo-ET ve STA yazılım paketi
AITomCarnegie Mellon Universityhttps://github.com/xulabs/aitomcryo-ET ve STA yazılım paketi
DIALSDiamond Light Source ve iş birlikçilerihttps://dials.github.iomicroED yazılım paketi
XDSMax Planck Institute for Medical Research (Wolfgang Kabsch tarafından geliştirilmiştir)https://xds.mr.mpg.demicroED yazılım paketi
MOSFLMMRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://www.mrc-lmb.cam.ac.uk/mosflmmicroED yazılım paketi
SHELXUniversity of Göttingen (George M. Sheldrick tarafından geliştirilmiştir)https://shelx.uni-goettingen.demicroED yazılım paketi
PhenixLawrence Berkeley National Laboratory (PHENIX Konsorsiyumu)https://phenix-online.orgmicroED yazılım paketi
CootMRC Laboratory of Molecular Biology (MRC-LMB), University of Cambridgehttps://www2.mrc-lmb.cam.ac.uk/personal/pemsley/cootmicroED yazılım paketi
Linux (Ubuntu, CentOS/Rocky)Ubuntu: Canonical Ltd.; CentOS: CentOS Project; Rocky Linux: Rocky Enterprise Software Foundation (RESF)https://ubuntu.com / https://www.centos.org (eski sürüm) /  https://rockylinux.orgİşletim Sistemi
WindowsMicrosofthttps://www.microsoft.com/windowsİşletim Sistemi
ZFSOracle Corporation (başlangıçta Sun Microsystems); OpenZFS, OpenZFS topluluğu tarafından sürdürülmektedirhttps://openzfs.orgDosya Sistemi
NFSSun Microsystems (şu anda bir IETF standardı olarak sürdürülmektedir)https://www.rfc-editor.org/rfc/rfc8881Protokol
SMB (CIFS)Microsofthttps://learn.microsoft.com/windows-server/storage/file-server/file-server-smb-overviewProtokol
Microsoft Remote Desktop (RDP)Microsofthttps://learn.microsoft.com/windows-server/remote/remote-desktop-servicesUzaktan Erişim
NoMachineNoMachinehttps://www.nomachine.comUzaktan Erişim
TeamViewerTeamViewer SEhttps://www.teamviewer.comUzaktan Erişim
VirtualGL + TurboVNCVirtualGL: VirtualGL Projesi; TurboVNC: TurboVNC Projesihttps://virtualgl.org ve https://turbovnc.orgUzaktan Erişim
CUDANVIDIAhttps://developer.nvidia.com/cuda-toolkitBilgisayar Çerçevesi

Kaynaklar

  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.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Daha fazla makale keşfet

Kriyo-EM TesisiVeri AltyapısıGPU HesaplamaAnlık İşlemeHareket DüzeltmeCTF KestirimiPartikül Seçimi2D SınıflandırmaVeri Arşivleme

Bu makale yayımlandı

Video yakında

Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.