金华冷冻透射电子显微镜技术方案

冷冻电镜是什么？冷冻电镜技术的应用：冷冻电镜主要用于扫描电镜的很低温冷冻制样和传输技术，英文名Cryo-SEM，利用冷冻电镜技术可实现直接观察液体和半液体及对电子束敏感的样品，如生物、高分子材料等。尤其是在戴口罩戴口罩中，利用冷冻电镜技术可解析病毒结构、推测其侵染人体细胞的路径等传播原理发挥了重要作用，为人类攻坚戴口罩防护、研发疫苗提供了重要的理论依据。冷冻电镜是什么？样品经过很低温冷冻、断裂、镀膜制样（喷金/喷碳）等处理后，通过冷冻传输系统放入电镜内的冷台（温度可至-185℃）即可进行观察。其中，快速冷冻技术可使水在低温状态下呈玻璃态，减少冰晶的产生，从而不影响样品本身结构，冷冻传输系统保证在低温状态下对样品进行电镜观察。冷冻电镜技术既完美契合了结构生物学的基础研究，又能够助力加速基于结构的药物研发。金华冷冻透射电子显微镜技术方案

冷冻电镜技术原理之电子晶体学：利用电子显微镜对生物大分子在一维、二维以致三维空间形成的高度有序重复排列的结构(晶体)成像或者收集衍射图样，进而解析这些生物大分子的结构，这种方法称为电子晶体学。其适合的样品分子量范围为10~500kD，Zgao分辨率约0.19nm。该方法与X射线晶体学的类似之处在于均需获得高度均一的生物大分子的周期性排列，不同之处是利用电子显微镜除了可以获得晶体的电子衍射外还可以通过获得晶体的图像来进行结构解析。合肥冷冻电子显微镜技术服务冷冻电镜技术能够从分子层面进行详细的研究，解析基于结构的药物研发的分子基础。

冷冻电镜技术解析结构主要风险在：A.样品很不稳定，样品寄送过来的时候，已经降解或者聚集，无法进行后续处理；B.样品在冷冻制样的过程中，可能会被冻碎，从而无法进行后续处理；C.样品纯度可能很好，但是均一度很差，从而难以获得样品的高分辨结构；D.我们关心的区域可能在整个复合体中有很强的柔性，从而经过二维或者三维平均后，我们关心区域的分辨率会比较差甚至看不见，达不到我们的预期；E.一些配体，比如药物前体分子，分子量太小，不一定能在电镜的密度图中观测到；F.对于合适的样品，我们冷冻制样需要优化的参数有很多，包括样品浓度的优化，blottime的优化，温度的优化，grid规格（铜网或者金网）的优化等一系列条件的优化。因此冷冻电镜制样需要丰富的经验和充足的机时支持，不同的实验者，成功率可能差别很大。

冷冻电子显微技术的发展与完善经历了复杂而艰辛的探索，下面，我们将深入解析冷冻电子显微镜的工作原理、流程与仪器结构，揭开它的庐山真面目。样品制备：样品快速冷冻技术：样品的原位冷冻固定处理是低温电子显微镜标本制备的开始。冷冻电镜采用的快速冷冻技术关键在于“快速”。这是由于：采用常规冷冻手段，水分子会在氢键作用下形成冰晶，一来会改变样品结构，二来在成像过程中，冰晶体会产生强烈的电子衍射掩盖样品信号。而当冷冻速率足够快时，水分子在形成晶体之前就会凝固成无定形的玻璃态冰，具有非晶态特性，保证了在电子束探测成像的过程中不会对样品成像造成干扰。冷冻固定时，样品首先放置在由液氮冷却的容器中，随后被快速浸入液态乙烷中。采用液态乙烷作为冷冻剂的目的是为了使冷冻速率足够快，在冷冻过程中，样品将以每秒104至106K的速度被快速冷却。生物样品中的水被玻璃化冷冻后，样品结构就得到了保持和固定，同时玻璃化冰也不会在真空环境中挥发，在一定程度上保护了样品免受电子辐射的损伤。冷冻电镜技术测定结构的几种方法：X射线晶体学、NMR、和冷冻电镜技术。

单颗粒冷冻电镜技术样品的筛选和数据采集：在开始高分辨数据采集前，可以利用冷冻电镜先对样品质量进行评估，包括但不限于蛋白浓度、稳定性和分布，冰层厚度、质量和载网各处的均一性等的检查。用户可以在120kV电镜或200kV电镜上进行此筛样过程。待到样品通过筛选，用户可以利用300kV或200kV电镜采集更大的数据量来帮助开展2D和3D分析。200kV-TalosArctica透射电镜配备了直接电子探测相机FalconIII,在样品质量较高时，较高可以获得<3Å的数据。目前的300kV-TitianKrios透射电镜有两套，其中一台配备了目前行业前列的K3直接电子探测相机，另一台配备有K2相机和能量过滤器，两套电镜均能够进行全自动、长时间无人照看的数据收集操作，可实现样品的大规模数据采集，并获得极高分辨率的结构信息。收集得到数以万计的单颗粒物照片后，用户可以使用平台集群已安装的常用三维重构计算软件以及相关生物软件对数据集进行计算处理。冷冻电镜技术用于生物样品三维结构解析，包含单颗粒分析、微晶电子衍射和冷冻电子断层扫描3种技术。宁波低温透射电镜技术用途

冷冻电镜技术之冷冻透射电镜通常是在普通透射电镜上加装样品冷冻设备。金华冷冻透射电子显微镜技术方案

单颗粒冷冻电镜技术二维图像分析——颗粒图像的匹配与分类：二维颗粒图像的分类是获取三维结构过程的第一步。对二维图像的分析包括两部分：颗粒图像的匹配和颗粒图像的分类。匹配的过程通常会对颗粒图像应用一些变换操作，通过关联函数去判断不同颗粒图像之间的相似程度。图像匹配的算法主要分为两种，即不依赖模型的方法和基于模型的方法，取决于是否存在利用样本先验信息得到的模板。随着图像匹配的完成，颗粒图像需要进行分类。主要利用多元统计分析和主成分分析方法等算法，其他流行的二维颗粒分类技术还有神经网络分类，将图像在二维空间自组织映射(self-organisingmapping，SOM)再进行分类和排序。二维图像分析的目的是，首先通过图像匹配消除旋转和平移的误差，利用类内紧致、类间离散的原则进行图像分类，较终可以对类内颗粒图像进行平均，提高信噪比，从而实现对高分辨率三维结构的构建。金华冷冻透射电子显微镜技术方案