Summary

Um fluxo de trabalho robusto de crio-elétron de partículas únicas (crio-EM) com cryoSPARC, RELION e Scipion

Published: January 31, 2022
doi:

Summary

Este artigo descreve como utilizar efetivamente três plataformas de processamento crio-EM, ou seja, crioSPARC v3, RELION-3 e Scipion 3, para criar um fluxo de trabalho único e robusto aplicável a uma variedade de conjuntos de dados de partículas únicas para determinação da estrutura de alta resolução.

Abstract

Os recentes avanços no software de instrumentação e processamento de imagens tornaram a microscopia crio-elétron de partículas únicas (crio-EM) o método preferido para biólogos estruturais determinarem estruturas de alta resolução de uma grande variedade de macromoléculas. Vários pacotes de software estão disponíveis para usuários novos e experientes para processamento de imagens e cálculo de estrutura, que simplificam o mesmo fluxo de trabalho básico: filmes adquiridos pelos detectores de microscópio passam por correção para estimativa da função de transferência de movimento e contraste (CTF) induzida pelo feixe. Em seguida, as imagens de partículas são selecionadas e extraídas de quadros de filme medianos para classificação iterativa 2D e 3D, seguidas de reconstrução 3D, refinamento e validação. Como vários pacotes de software empregam algoritmos diferentes e exigem diferentes níveis de experiência para operar, os mapas 3D que eles geram muitas vezes diferem em qualidade e resolução. Assim, os usuários transferem regularmente dados entre uma variedade de programas para obter resultados ideais. Este artigo fornece um guia para que os usuários naveguem em um fluxo de trabalho através dos pacotes de software populares: cryoSPARC v3, RELION-3 e Scipion 3 para obter uma estrutura de resolução quase atômica do vírus associado ao adeno (AAV). Primeiro detalhamos um pipeline de processamento de imagem com o crioSPARC v3, pois seus algoritmos eficientes e gui fácil de usar permitem que os usuários cheguem rapidamente a um mapa 3D. Na etapa seguinte, usamos pyem e scripts internos para converter e transferir coordenadas de partículas da melhor reconstrução 3D de qualidade obtida em crioSPARC v3 para RELION-3 e Scipion 3 e recalcular mapas 3D. Finalmente, delineamos etapas para maior refinamento e validação das estruturas resultantes, integrando algoritmos do RELION-3 e Scipion 3. Neste artigo, descrevemos como utilizar efetivamente três plataformas de processamento para criar um fluxo de trabalho único e robusto aplicável a uma variedade de conjuntos de dados para determinação de estrutura de alta resolução.

Introduction

A microscopia crio-elétron (crio-EM) e a análise de partículas únicas (SPA) permitem a determinação da estrutura de uma grande variedade de conjuntos biomoleculares em seu estado hidratado, ajudando a iluminar os papéis dessas macromoléculas em detalhes atômicos. Melhorias na óptica de microscópio, hardware de computador e software de processamento de imagens tornaram possível determinar estruturas de biomoléculas em resolução que ultrapassassem 2 Å1,2,3. Mais de 2.300 estruturas crio-EM foram depositadas no Protein Data Bank (PDB) em 2020, em comparação com 192 estruturas em 20144, indicando que o crio-EM tornou-se o método de escolha de muitos biólogos estruturais. Aqui, descrevemos um fluxo de trabalho que combina três programas SPA diferentes para determinação da estrutura de alta resolução (Figura 1).

O objetivo da SPA é reconstruir volumes 3D de um espécime alvo a partir de imagens 2D ruidosas registradas por um detector de microscópio. Os detectores coletam imagens como filmes com quadros individuais do mesmo campo de visão. Para preservar a amostra, os quadros são coletados com uma dose eletrônica baixa e, portanto, têm uma má relação sinal-ruído (SNR). Além disso, a exposição a elétrons pode induzir o movimento dentro das grades crio-EM vitrificadas, resultando em desfoque de imagem. Para superar esses problemas, os quadros estão alinhados para corrigir o movimento induzido pelo feixe e médios para produzir um micrografo com um SNR aumentado. Esses micrografos passam então pela estimativa da Função de Transferência de Contraste (CTF) para explicar os efeitos do desfoco e das aberrações impostas pelo microscópio. A partir dos micrografos corrigidos pelo CTF, as partículas individuais são selecionadas, extraídas e classificadas em médias de classe 2D representando diferentes orientações adotadas pelo espécime em gelo vítreo. O conjunto homogêneo resultante de partículas é usado como entrada para a reconstrução 3D ab iniciado para gerar um modelo ou modelos grosseiros, que são então refinados iterativamente para produzir uma ou mais estruturas de alta resolução. Após a reconstrução, são realizados refinamentos estruturais para melhorar ainda mais a qualidade e a resolução do mapa crio-EM. Finalmente, ou um modelo atômico é diretamente derivado do mapa, ou o mapa é equipado com coordenadas atômicas obtidas em outros lugares.

Diferentes pacotes de software estão disponíveis para realizar as tarefas descritas acima, incluindo Appion5, cisTEM6, crioSPARC7, EMAN8, IMAGIC9, RELION10, Scipion11, SPIDER12, Xmipp13, entre outros. Embora esses programas sigam etapas semelhantes de processamento, eles empregam diferentes algoritmos, por exemplo, para colher partículas, gerar modelos iniciais e refinar reconstruções. Além disso, esses programas exigem um nível variado de conhecimento e intervenção do usuário para operar, pois alguns dependem do ajuste fino de parâmetros que podem atuar como um obstáculo para novos usuários. Essas discrepâncias geralmente resultam em mapas com qualidade e resolução inconsistentes em todas as plataformas14, levando muitos pesquisadores a usar vários pacotes de software para refinar e validar resultados. Neste artigo, destacamos o uso de crioSPARC v3, RELION-3 e Scipion 3 para obter uma reconstrução 3D de alta resolução do AAV, um vetor amplamente utilizado para terapia genética15. Os pacotes de software acima mencionados são gratuitos para usuários acadêmicos; crioSPARC v3 e Scipion 3 exigem licenças.

Protocol

1. Criação de um novo projeto crioSPARC v3 e importação de dados NOTA: Os dados foram adquiridos na Oregon Health and Science University (OHSU) em Portland usando um microscópio eletrônico Titan Krios de 300 kV equipado com um detector de elétrons direto Falcon 3. As imagens foram coletadas em um modo de contagem com uma dose total de 28,38 e−/Å2 fracionados em 129 quadros, e uma faixa de desfocus de -0,5 μm a -2,5 μm, a um tamanho de pixel de 1…

Representative Results

Apresentamos um pipeline SPA abrangente para obter uma estrutura de alta resolução usando três plataformas de processamento diferentes: crioSPARC v3, RELION-3 e Scipion 3. As figuras 1 e figura 4 resumem o fluxo de trabalho geral de processamento e a Tabela 1 detalha os protocolos de refinamento. Estes protocolos foram usados durante refinamentos de uma estrutura de 2,3 Å de AAV, alcançando perto da resolução nyquist. <p class="jove_c…

Discussion

Neste artigo, apresentamos um fluxo de trabalho ROBUSTO spa para processamento de dados crio-EM em várias plataformas de software para alcançar reconstruções 3D de alta resolução (Figura 1). Este fluxo de trabalho é aplicável a uma grande variedade de macromoléculas biológicas. As etapas subsequentes do protocolo estão descritas na Figura 4, incluindo pré-processamento de filmes, coleta e classificação de partículas e múltiplos métodos para refi…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Agradecemos a Carlos Oscar Sorzano pela ajuda na instalação do Scipion3 e kilian Schnelle e Arne Moeller por ajuda na transferência de dados entre diferentes plataformas de processamento. Parte desta pesquisa foi apoiada pela bolsa NIH U24GM129547 e realizada na PNCC da OHSU e acessada através da EMSL (grid.436923.9), um DoE Office of Science User Facility patrocinado pelo Escritório de Pesquisa Biológica e Ambiental. Este estudo foi apoiado por uma bolsa inicial da Universidade Rutgers para Arek Kulczyk.

Materials

CryoSPARC Structura Biotechnology Inc. https://cryosparc.com/
CTFFIND 4 Howard Hughes Medical Institute, UMass Chan Medical School https://grigoriefflab.umassmed.edu/ctffind4
MotionCorr2 UCSF Macromolecular Structure Group https://msg.ucsf.edu/software
Phenix Computational Tools for Macromolecular Neutron Crystallography (MNC) http://www.phenix-online.org/
PyEM Univerisity of California, San Francisco https://github.com/asarnow/pyem
RELION MRC Laboratory of Structural Biology https://www3.mrc-lmb.cam.ac.uk/relion/index.php/Main_Page
Scipion Instruct Image Processing Center (I2PC), SciLifeLab http://scipion.i2pc.es/
UCSF Chimera UCSF Resource for Biocomputing, Visualization, and Informatics https://www.cgl.ucsf.edu/chimera/

References

  1. Bartesaghi, A., et al. Atomic resolution Cryo-EM structure of beta-galactosidase. Structure. 26 (6), 848-856 (2018).
  2. Merk, A., et al. Breaking Cryo-EM resolution barriers to facilitate drug discovery. Cell. 165 (7), 1698-1707 (2016).
  3. Wardell, M., et al. The atomic structure of human methemalbumin at 1.9 A. Biochemical and Biophysical Research Communications. 291 (4), 813-819 (2002).
  4. PDB statistics: Growth of Structures from 3DEM Experiments Released per Year. RCSB PDB Available from: https://www.rcsb.org/stats/growth/growth-em (2021)
  5. Lander, G. C., et al. Appion: an integrated, database-driven pipeline to facilitate EM image processing. Journal of Structural Biology. 166 (1), 95-102 (2009).
  6. Grant, T., Rohou, A., Grigorieff, N. cisTEM, user-friendly software for single-particle image processing. Elife. 7, 35383 (2018).
  7. Punjani, A., Rubinstein, J. L., Fleet, D. J., Brubaker, M. A. cryoSPARC: algorithms for rapid unsupervised cryo-EM structure determination. Nature Methods. 14 (3), 290-296 (2017).
  8. Tang, G., et al. EMAN2: an extensible image processing suite for electron microscopy. Journal of Structural Biology. 157 (1), 38-46 (2007).
  9. van Heel, M., Harauz, G., Orlova, E. V., Schmidt, R., Schatz, M. A new generation of the IMAGIC image processing system. Journal of Structural Biology. 116 (1), 17-24 (1996).
  10. Scheres, S. H. RELION: Implementation of a Bayesian approach to cryo-EM structure determination. Journal of Structural Biology. 180 (3), 519-530 (2012).
  11. de la Rosa-Trevin, J. M., et al. Scipion: A software framework toward integration, reproducibility and validation in 3D electron microscopy. Journal of Structural Biology. 195 (1), 93-99 (2016).
  12. Shaikh, T. R., et al. SPIDER image processing for single-particle reconstruction of biological macromolecules from electron micrographs. Nature Protocols. 3 (12), 1941-1974 (2008).
  13. Sorzano, C. O., et al. XMIPP: a new generation of an open-source image processing package for electron microscopy. Journal of Structural Biology. 148 (2), 194-204 (2004).
  14. Lawson, C. L., Chiu, W. Comparing cryo-EM structures. Journal of Structural Biology. 204 (3), 523-526 (2018).
  15. Naso, M. F., Tomkowicz, B., Perry, W. L., Strohl, W. R. Adeno-associated virus (AAV) as a vector for gene therapy. BioDrugs. 31 (4), 317-334 (2017).
  16. Cryo-EM data processing in cryoSPARC: Introductory Tutorial. at Available from: https://guide.cryosparc.com/processing-data/cryo-em-data-processing-in-cryosparc-introductory-tutorial (2020)
  17. Bepler, T., Noble, A. J., Berger, B. Topaz-Denoise: general deep denoising models for cryoEM and cryoET. Nature Communications. 11 (5208), (2020).
  18. Pettersen, E. F., et al. UCSF Chimera-a visualization system for exploratory research and analysis. Journal of Computational Chemistry. 25 (13), 1605-1612 (2004).
  19. . Single-particle processing in RELION-3.1 Available from: https://hpc.nih.gov/apps/RELION/relion31_tutorial.pdf (2019)
  20. Zheng, S. Q., Palovcak, E., Armache, J. P., Verba, K. A., Cheng, Y., Agard, D. A. MotionCor2: anisotropic correction of beam-induced motion for improved cryo-electron microscopy. Nature Methods. 14 (4), 331-332 (2017).
  21. . MotionCor2 User Manual Available from: https://hpc.nih.gov/apps/RELION/MotionCor2-UserManual-05-03-2018.pdf (2018)
  22. Rohou, A., Grigorieff, N. CTFFIND4: Fast and accurate defocus estimation from electron micrographs. Journal of Structural Biology. 192 (2), 216-221 (2015).
  23. . UCSF PyEM v0.5 Available from: https://github.com/asarnow/pyem (2019)
  24. Sorzano, C. O. S., et al. A new algorithm for high-resolution reconstruction of single particles by electron microscopy. Journal of Structural Biology. 204 (2), 329-337 (2018).
  25. Jimenez-Moreno, A., et al. Cryo-EM and single-particle analysis with Scipion. Journal of Visualized Experiments: JoVE. (171), e62261 (2021).
  26. Adams, P. D., et al. PHENIX: a comprehensive Python-based system for macromolecular structure solution. Acta Crystallographica Section D Biological Crystallography. 66, 213-221 (2010).
  27. Vilas, J. L., et al. MonoRes: Automatic and accurate estimation of local resolution for electron microscopy maps. Structure. 26 (2), 337-344 (2018).
  28. Sorzano, C. O., et al. A clustering approach to multireference alignment of single-particle projections in electron microscopy. Journal of Structural Biology. 171 (2), 197-206 (2010).
  29. Penczek, P. A. Resolution measures in molecular electron microscopy. Methods in Enzymology. 482, 73-100 (2010).
  30. Xie, Q., Yoshioka, C. K., Chapman, M. S. Adeno-associated virus (AAV-DJ)-Cryo-EM structure at 1.56 A Resolution. Viruses. 12 (10), 1194 (2020).
  31. Zivanov, J., et al. New tools for automated high-resolution cryo-EM structure determination in RELION-3. Elife. 7, 42166 (2018).
  32. Kulczyk, A. W., Moeller, A., Meyer, P., Sliz, P., Richardson, C. C. Cryo-EM structure of the replisome reveals multiple interaction coordinating DNA synthesis. Proceedings of the National Academy of Sciences of the United States of America. 114 (10), 1848-1856 (2017).

Play Video

Cite This Article
DiIorio, M. C., Kulczyk, A. W. A Robust Single-Particle Cryo-Electron Microscopy (cryo-EM) Processing Workflow with cryoSPARC, RELION, and Scipion. J. Vis. Exp. (179), e63387, doi:10.3791/63387 (2022).

View Video