冷冻电镜技术之冷冻透射电镜:冷冻透射电镜(Cryo-TEM)通常是在普通透射电镜上加装样品冷冻设备,将样品冷却到液氮温度(77K),用于观测蛋白、生物切片等对温度敏感的样品。通过对样品的冷冻,可以降低电子束对样品的损伤,减小样品的形变,从而得到更加真实的样品形貌。它的优点主要体现在以下几个方面:首先是加速电压高,电子能穿透厚样品;第二是透镜多,光学性能好;第三是样品台稳定;第四是全自动,自动换液氮,自动换样品,自动维持清洁。冷冻电镜技术中的单颗粒分析法理论成像分辨率更高。东莞原位冷冻电镜技术服务

单颗粒冷冻电镜技术的图像处理技术:经过多年的发展,目前冷冻电镜的数据处理部分主要包含了以下的流程:(1)衬度传递函数的修正(CTFcorrection);(2)样品分子投影数据的筛选(particleselection);(3)二维投影数据的分类和降噪(2Danalysis);(4)三维模型的重构和优化(3Dreconstructionandrefinement);(5)多重构象的结构分析(heterogeneityanalysis);(6)对重建结构分辨率的分析(structureresolutionassessment);(7)结合生物化学原理和实验数据对三维结构的解读(modelinterpretationandvalidation)。黄山原位冷冻电镜技术用途冷冻电镜技术的独特优势:冷冻电镜单粒子法既可以对具有对称结构的大分子进行研究。

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。
冷冻电镜技术的应用场景:冷冻电镜主要应用在结构生物学和材料科学当中,如在2020戴口罩戴口罩中研究人员通过冷冻电镜技术在解析病毒结构、推测其侵染人体细胞的路径等传播原理发挥了重要作用,研究人员将戴口罩的结构与其他几种冠状病毒进行了比较,发现2019-nCoV的S蛋白整体结构与SARS病毒S蛋白的整体结构相似,各个结构之间具有高度同源性。在材料科学的应用中,冷冻电镜技术在一些对电子束、热敏感材料,如钙钛矿材料、某些高分子材料、水凝胶、量子点等精细结构的物理表征与机理研究中也具有巨大的应用潜力。冷冻电镜技术之冷冻蚀刻电子显微镜优点:可研究细胞内的膜性结构及内含物结构。

冷冻电镜技术揭示生物分子细节:冷冻电镜可以通过揭示细胞里发生的生命过程细节,帮助人们了解很多有意思的生物学现象。比如,我们吃辣椒会觉得辣,是因为辣椒里有一种叫做辣椒素的小分子。辣椒素与位于舌头神经末梢的膜蛋白TPRV1结合,打开膜蛋白上的一个通道,让细胞膜外面的离子向细胞膜内部流动,这样微小的流动产生的电流通过神经纤维较终传递到我们的大脑,让我们感受到辣的感觉。2013年,科学家利用冷冻电镜技术,以近原子分辨率解析了膜蛋白TRPV1的通道结构,以及它与辣椒素相互结合的结构。人们由此了解到,实际上是由于辣椒素结合到4个亚基所组成的通道膜蛋白上把孔道撑开,才使得离子可以穿透。冷冻电镜技术也正在成为助力医药研发的有力手段。无锡冷冻电子显微镜技术哪家好
冷冻电镜技术具有更接近天然状态、适用研究对象普遍等优势。东莞原位冷冻电镜技术服务
冷冻电镜技术中的单颗粒分析法(Singleparticleanalysis,SPA):单颗粒技术获得投影的具体方法:制备很多具有同样结构的大分子样品,将其进行分散冷冻后进行随机的投影拍照,再通过计算模拟测定角度,对具有相同角度的粒子进行组合,突出其中更特殊、更容易解释的特征。单颗粒冷冻电镜是针对单个粒子进行重构的技术,但我们的研究对象往往是多构象或结构异质的蛋白,颗粒之间存在细微差别,这是一些蛋白质无法获得高分辨结构的重要原因之一。对于结构异质性样品的分析,我们需要首先将样品分成几个同质的子集,然后分别进行三维重建。由于单颗粒分析法理论成像分辨率更高,尤其在分析具有同质性结构的样品时表现出更方便、更优异的成像能力,因此得到了更普遍的应用。单颗粒分析法的研究对象可以是具有某种对称性的颗粒,也可是不具有任何对称性的蛋白分子或复合体,尤其是针对核糖体的表征。东莞原位冷冻电镜技术服务
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...