A flexible framework for multi-particle refinement in cryo-electron tomography.
A flexible framework for multi-particle refinement in cryo-electron tomography.
复制标题
DOI：
10.1371/journal.pbio.3001319
复制
发表时间：
2021-08
期刊：
影响因子：
9.8
通讯作者：
Gutsche I
中科院分区：
文献类型：
--
作者：
Burt A;Gaifas L;Dendooven T;Gutsche I
冷冻电子断层扫描（cryo-ET）和亚断层图像平均（STA）越来越多地用于原位测定大分子结构。在这里，我们介绍了一组计算工具和资源，旨在通过增加自动化和简化元数据处理，实现灵活的STA方法。我们在Dynamo软件包和Warp-Relion-M管道之间创建了一个双向接口，为M中的多粒子细化的从头算和几何方法提供了一个框架。我们通过将其应用于EMPIAR-10164来说明在此框架内工作的能力，EMPIAR-10164是一个公开的数据集，包含未成熟的HIV-1病毒样颗粒（VLP），以及一个具有挑战性的原位数据集，包含细菌微细胞中的化学传感阵列。此外，我们还提供了一个全面的、逐步的指南，以从EMPIAR-10164中获得3.4-OCT重建。该指南托管在https：//teamtomo.org/上，这是我们为分享有关冷冻ET的知识而建立的协作在线平台。在低温电子断层扫描中采用最佳计算方法并不总是容易的;本文提供了一套工具和一个完整的指南，从低温ET数据中获得高分辨率结构。
Cryo-electron tomography (cryo-ET) and subtomogram averaging (STA) are increasingly used for macromolecular structure determination in situ. Here, we introduce a set of computational tools and resources designed to enable flexible approaches to STA through increased automation and simplified metadata handling. We create a bidirectional interface between the Dynamo software package and the Warp-Relion-M pipeline, providing a framework for ab initio and geometrical approaches to multiparticle refinement in M. We illustrate the power of working within this framework by applying it to EMPIAR-10164, a publicly available dataset containing immature HIV-1 virus-like particles (VLPs), and a challenging in situ dataset containing chemosensory arrays in bacterial minicells. Additionally, we provide a comprehensive, step-by-step guide to obtaining a 3.4-Å reconstruction from EMPIAR-10164. The guide is hosted on https://teamtomo.org/, a collaborative online platform we establish for sharing knowledge about cryo-ET. Employing optimal computational methodology in cryo-electron tomography is not always easy; this article provides a set of tools and a complete guide to obtaining high-resolution structures from cryo-ET data.
登录
查看更多内容
影响因子：
--
作者：
Basanta B;Chowdhury S;Lander GC;Grotjahn DA
通讯作者：
Grotjahn DA
影响因子：
64.8
作者：
Nakane T;Kotecha A;Sente A;McMullan G;Masiulis S;Brown PMGE;Grigoras IT;Malinauskaite L;Malinauskas T;Miehling J;Uchański T;Yu L;Karia D;Pechnikova EV;de Jong E;Keizer J;Bischoff M;McCormack J;Tiemeijer P;Hardwick SW;Chirgadze DY;Murshudov G;Aricescu AR;Scheres SHW
通讯作者：
Scheres SHW
影响因子：
64.8
作者：
Harris CR;Millman KJ;van der Walt SJ;Gommers R;Virtanen P;Cournapeau D;Wieser E;Taylor J;Berg S;Smith NJ;Kern R;Picus M;Hoyer S;van Kerkwijk MH;Brett M;Haldane A;Del Río JF;Wiebe M;Peterson P;Gérard-Marchant P;Sheppard K;Reddy T;Weckesser W;Abbasi H;Gohlke C;Oliphant TE
通讯作者：
Oliphant TE
影响因子：
3
作者：
Kremer, JR;Mastronarde, DN;McIntosh, JR
通讯作者：
McIntosh, JR
影响因子：
48
作者：
Tegunov, Dimitry;Cramer, Patrick
通讯作者：
Cramer, Patrick