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。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。深圳低温透射电镜技术服务中心

冷冻电镜技术基本原理之电镜三维重构理论:D.DeRosier和A.Klug提出三维重构理论是借助一系列沿不同方向投影的电子显微像来重构被测物体的立体构型,利用计算机数字图像处理技术进行电子显微像三维重构测定生物大分子结构的概念和方法。透射电子显微镜成像过程中,电子束穿透样品,将样品的三维电势密度分布函数沿着电子束的传播方向投影至与传播方向垂直的二维平面上。运用中心截面定理,从而可以通过三维物体不同角度的二维投影在计算机内进行三维重构来解析获得物体的三维结构。温州原位冷冻电镜技术用途冷冻电镜技术就是在传统透射电子显微镜之上,加上了低温传输系统和冷冻防污染系统。

冷冻电镜技术助力快速、高效的新药研发:分子生物学兴起后,基于靶点的药物发现逐渐成为主流新药研发模式。通常通过结构生物学方法获得靶点及靶点-受体相互作用的结合位点。将靶点结构和结合位点作为模型进行虚拟筛选,并通过高通量的方法获得可能结合的潜在分子,并进一步通过结构生物学方法直接解析靶点-潜在分子的高分辨率结构,进行潜在分子的确认。冷冻电镜“分辨率改变”使其成为获得优于3Å结构的常规技术。高分辨率的结构能够清晰地描绘靶点与潜在分子相互作用的信息,包括结合表位、配体手性等,为潜在化合物的结构改造提供了指导。新的疾病或者突发流行病需要进行从头药物设计研究,这些应对性的药物研发需要有大量基础研究的积累。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。
冷冻电镜技术的原理:冷冻电子显微学解析生物大分子及细胞结构的中心是透射电镜成像,其基本过程包括样品制备、透射电镜成像、图像处理及结构解析等几个基本步骤。在透射电镜成像中,电子枪产生的电子在高压电场中被加速至亚光速并在高真空的显微镜内部运动,根据高速运动的电子在磁场中发生偏转的原理,透射电镜中的一系列电磁透镜对电子进行汇聚,并对穿透样品过程中与样品发生相互作用的电子进行聚焦成像以及放大,Z后在记录介质上形成样品放大几千倍至几十万倍的图像,利用计算机对这些放大的图像进行处理分析即可获得样品的精细结构。冷冻电镜技术可实现直接观察液体、半液体及对电子束敏感的样品,如生物、高分子材料等。

什么是冷冻电镜技术?冷冻电镜技术,全称是冷冻电子显微镜技术,是在低温下使用透射电子显微镜观察样品的显微技术。冷冻电镜技术,是一种重要的结构生物学研究方法,它与X射线晶体学、核磁共振一起构成了高分辨率结构生物学研究的基础。冷冻电镜技术的研究,主要是冷冻成像和蛋白快速冷冻技术。根据诺贝尔奖评委会的说法,冷冻电镜技术使生物分子成像,变得更加简单,把生物化学带入了一个新纪元。这项技术可以用来确定,溶液中生物分子的高清晰度结构。冷冻电镜技术其实比较抽象,一直以来它主要的问题是其图像噪音极高、信号极低,研究的目标是从中提取近原子分辨率的结构信息。可以形象的比喻为在一个机器轰鸣的工厂,监测一只蚂蚁爬行的声音。冷冻电镜的目标,就是要完成这项艰巨的任务。因此,可见这项技术成果的科学价值。冷冻电镜技术的基本原理利用快速冷冻技术将其瞬间冷冻至液氮温度下。深圳低温透射电镜技术服务中心
冷冻电镜技术之冷冻透射电镜优点:透镜多,光学性能好。深圳低温透射电镜技术服务中心
冷冻电镜技术未来之路在何方?除了蛋白等生物大分子外,生物样品还有很重要的一面是细胞和组织。即使是目前有很多重要的蛋白结构都得到了埃米级别的解析,但由于它们都是纯化出来的,已经脱离了原来位置,就如同一片树叶脱离了大树,研究的再深刻,目前也只是一叶遮目,不要说推测这片树叶在森林里的位置,即使是在哪颗特定大树上的生长部位和结构都很难说。因此解析细胞或组织这样大尺度的高分辨精细结构具有更普遍的生物学意义。深圳低温透射电镜技术服务中心
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...