Summary

Un robusto flujo de trabajo de procesamiento de criomicroscopía electrónica de una sola partícula (cryo-EM) con cryoSPARC, RELION y Scipion

Published: January 31, 2022
doi:

Summary

Este artículo describe cómo utilizar eficazmente tres plataformas de procesamiento crio-EM, es decir, cryoSPARC v3, RELION-3 y Scipion 3, para crear un flujo de trabajo único y robusto aplicable a una variedad de conjuntos de datos de una sola partícula para la determinación de estructuras de alta resolución.

Abstract

Los avances recientes tanto en instrumentación como en software de procesamiento de imágenes han hecho que la microscopía crioelectrónica de una sola partícula (cryo-EM) sea el método preferido por los biólogos estructurales para determinar estructuras de alta resolución de una amplia variedad de macromoléculas. Múltiples suites de software están disponibles para usuarios nuevos y expertos para el procesamiento de imágenes y el cálculo de estructuras, que agilizan el mismo flujo de trabajo básico: las películas adquiridas por los detectores de microscopio se someten a corrección para la estimación de la función de transferencia de contraste y movimiento inducida por haz (CTF). A continuación, las imágenes de partículas se seleccionan y extraen de fotogramas de película promediados para la clasificación iterativa 2D y 3D, seguida de la reconstrucción, el refinamiento y la validación en 3D. Debido a que varios paquetes de software emplean diferentes algoritmos y requieren diferentes niveles de experiencia para operar, los mapas 3D que generan a menudo difieren en calidad y resolución. Por lo tanto, los usuarios transfieren datos regularmente entre una variedad de programas para obtener resultados óptimos. Este documento proporciona una guía para que los usuarios naveguen por un flujo de trabajo a través de los paquetes de software populares: cryoSPARC v3, RELION-3 y Scipion 3 para obtener una estructura de resolución casi atómica del virus adenoasociado (AAV). Primero detallamos una canalización de procesamiento de imágenes con cryoSPARC v3, ya que sus algoritmos eficientes y su GUI fácil de usar permiten a los usuarios llegar rápidamente a un mapa 3D. En el siguiente paso, utilizamos PyEM y scripts internos para convertir y transferir coordenadas de partículas de la reconstrucción 3D de mejor calidad obtenida en cryoSPARC v3 a RELION-3 y Scipion 3 y recalcular mapas 3D. Finalmente, describimos los pasos para un mayor refinamiento y validación de las estructuras resultantes mediante la integración de algoritmos de RELION-3 y Scipion 3. En este artículo, describimos cómo utilizar eficazmente tres plataformas de procesamiento para crear un flujo de trabajo único y robusto aplicable a una variedad de conjuntos de datos para la determinación de estructuras de alta resolución.

Introduction

La microscopía crioelectrónica (crio-EM) y el análisis de partículas individuales (SPA) permiten la determinación de la estructura de una amplia variedad de conjuntos biomoleculares en su estado hidratado, ayudando a iluminar el papel de estas macromoléculas en detalle atómico. Las mejoras en la óptica del microscopio, el hardware informático y el software de procesamiento de imágenes han permitido determinar estructuras de biomoléculas a una resolución que supera los 2 Å1,2,3. Más de 2.300 estructuras crio-EM se depositaron en el Banco de Datos de Proteínas (PDB) en 2020, en comparación con 192 estructuras en 20144, lo que indica que la crio-EM se ha convertido en el método de elección para muchos biólogos estructurales. Aquí, describimos un flujo de trabajo que combina tres programas SPA diferentes para la determinación de estructuras de alta resolución (Figura 1).

El objetivo de SPA es reconstruir volúmenes 3D de un espécimen objetivo a partir de imágenes 2D ruidosas grabadas por un detector de microscopio. Los detectores recopilan imágenes como películas con fotogramas individuales del mismo campo de visión. Para preservar la muestra, los fotogramas se recogen con una dosis baja de electrones y, por lo tanto, tienen una mala relación señal-ruido (SNR). Además, la exposición a electrones puede inducir movimiento dentro de las rejillas crio-EM vitrificadas, lo que resulta en el desenfoque de la imagen. Para superar estos problemas, los fotogramas se alinean para corregir el movimiento inducido por el haz y se promedian para producir una micrografía con un SNR aumentado. Estas micrografías luego se someten a una estimación de la función de transferencia de contraste (CTF) para tener en cuenta los efectos del desenfoque y las aberraciones impuestas por el microscopio. A partir de las micrografías corregidas por CTF, las partículas individuales se seleccionan, extraen y clasifican en promedios de clase 2D que representan diferentes orientaciones adoptadas por la muestra en hielo vítreo. El conjunto homogéneo resultante de partículas se utiliza como entrada para la reconstrucción 3D ab initio para generar un modelo o modelos gruesos, que luego se refinan iterativamente para producir una o más estructuras de alta resolución. Después de la reconstrucción, se realizan refinamientos estructurales para mejorar aún más la calidad y la resolución del mapa crio-EM. Finalmente, un modelo atómico se deriva directamente del mapa, o el mapa está equipado con coordenadas atómicas obtenidas en otro lugar.

Hay diferentes paquetes de software disponibles para realizar las tareas descritas anteriormente, incluidos Appion5, cisTEM6, cryoSPARC7, EMAN8, IMAGIC9, RELION10, Scipion11, SPIDER12, Xmipp13 y otros. Si bien estos programas siguen pasos de procesamiento similares, emplean diferentes algoritmos, por ejemplo, para recoger partículas, generar modelos iniciales y refinar reconstrucciones. Además, estos programas requieren un nivel variable de conocimiento e intervención del usuario para operar, ya que algunos dependen del ajuste fino de los parámetros que pueden actuar como un obstáculo para los nuevos usuarios. Estas discrepancias a menudo resultan en mapas con calidad y resolución inconsistentes en todas las plataformas14, lo que lleva a muchos investigadores a usar múltiples paquetes de software para refinar y validar los resultados. En este artículo destacamos el uso de cryoSPARC v3, RELION-3 y Scipion 3 para obtener una reconstrucción 3D de alta resolución de AAV, un vector ampliamente utilizado para la terapia génica15. Los paquetes de software antes mencionados son gratuitos para los usuarios académicos; cryoSPARC v3 y Scipion 3 requieren licencias.

Protocol

1. Creación de un nuevo proyecto cryoSPARC v3 e importación de datos NOTA: Los datos se adquirieron en la Universidad de Salud y Ciencia de Oregón (OHSU) en Portland utilizando un microscopio electrónico Titan Krios de 300 kV equipado con un detector de electrones directo Falcon 3. Las imágenes se recogieron en un modo de conteo con una dosis total de 28,38 e−/Å2 fraccionadas en 129 fotogramas, y un rango de desenfoque de -0,5 μm a -2,5 μm, a un t…

Representative Results

Hemos presentado una completa cartera de SPA para obtener una estructura de alta resolución utilizando tres plataformas de procesamiento diferentes: cryoSPARC v3, RELION-3 y Scipion 3. La Figura 1 y la Figura 4 resumen el flujo de trabajo de procesamiento general, y la Tabla 1 detalla los protocolos de refinamiento. Estos protocolos se utilizaron durante los refinamientos de una estructura de 2.3 Å de AAV, logrando una resolución cercana a Ny…

Discussion

En este artículo, presentamos un sólido flujo de trabajo SPA para el procesamiento de datos crio-EM en varias plataformas de software para lograr reconstrucciones 3D de alta resolución (Figura 1). Este flujo de trabajo es aplicable a una amplia variedad de macromoléculas biológicas. Los pasos posteriores del protocolo se describen en la Figura 4, incluido el preprocesamiento de películas, la selección y clasificación de partículas y múltiples métodos …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Agradecemos a Carlos Oscar Sorzano por su ayuda con la instalación de Scipion3 y a Kilian Schnelle y Arne Moeller por su ayuda con la transferencia de datos entre diferentes plataformas de procesamiento. Una parte de esta investigación fue apoyada por la subvención U24GM129547 de los NIH y realizada en el PNCC en OHSU y se accedió a través de EMSL (grid.436923.9), una Instalación de Usuario de la Oficina de Ciencia del DOE patrocinada por la Oficina de Investigación Biológica y Ambiental. Este estudio fue apoyado por una subvención inicial de la Universidad de Rutgers a 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