Template-free detection of macromolecular complexes in cryo electron tomograms.
Template-free detection of macromolecular complexes in cryo electron tomograms.
复制标题
DOI：
10.1093/bioinformatics/btr207
复制
发表时间：
2011-07-01
期刊：
影响因子：
--
通讯作者：
Alber F
中科院分区：
文献类型：
--
作者：
Xu M;Beck M;Alber F
动机：低温电子断层扫描技术(CryoET)可以生成生物标本在其近自然状态下的3D密度图。应用于小细胞，CryoET产生大型复合体细胞分布的3D快照。然而，由于断层图像的低分辨率和低信噪比，检索这些信息并不是一件容易的事情。目前的模式识别方法通过将已知结构与低温电子断层图像进行匹配来识别络合物。然而，到目前为止，所有蛋白质复合体中只有一小部分被结构解析。因此，发展无模板方法来发现低温电子断层图像中以前未知的蛋白质复合体是非常重要的。结果：在这里，我们开发了一种无模板发现低温电子断层图像中频繁出现的蛋白质复合体的推断方法。我们提供了该方法的第一个原理证明，并使用真实模拟的层析图像评估其适用性，允许包括由于缺失楔形和电子光学因素造成的噪声和失真。我们的方法是朝着在全细胞断层图像中发现以前未知的大分子复合体的形状、丰度和空间分布的无模板的方向迈出了一步。联系方式：alber@usc.edu补充信息：补充数据可在BioInformation Online上获得。
Motivation: Cryo electron tomography (CryoET) produces 3D density maps of biological specimen in its near native states. Applied to small cells, cryoET produces 3D snapshots of the cellular distributions of large complexes. However, retrieving this information is non-trivial due to the low resolution and low signal-to-noise ratio in tomograms. Current pattern recognition methods identify complexes by matching known structures to the cryo electron tomogram. However, so far only a small fraction of all protein complexes have been structurally resolved. It is, therefore, of great importance to develop template-free methods for the discovery of previously unknown protein complexes in cryo electron tomograms. Results: Here, we have developed an inference method for the template-free discovery of frequently occurring protein complexes in cryo electron tomograms. We provide a first proof-of-principle of the approach and assess its applicability using realistically simulated tomograms, allowing for the inclusion of noise and distortions due to missing wedge and electron optical factors. Our method is a step toward the template-free discovery of the shapes, abundance and spatial distributions of previously unknown macromolecular complexes in whole cell tomograms. Contact: alber@usc.edu Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
3
作者：
Beck, Martin;Topf, Maya;Frazier, Zachary;Tjong, Harianto;Xu, Min;Zhang, Shihua;Alber, Frank
通讯作者：
Alber, Frank
影响因子：
48
作者：
Beck, Martin;Malmstroem, Johan A.;Lange, Vinzenz;Schmidt, Alexander;Deutsch, Eric W.;Aebersold, Ruedi
通讯作者：
Aebersold, Ruedi
影响因子：
2.2
作者：
McMullan, G.;Chen, S.;Henderson, R.;Faruqi, A. R.
通讯作者：
Faruqi, A. R.
影响因子：
5.7
作者：
Murata, Kazuyoshi;Liu, Xiangan;Chiu, Wah
通讯作者：
Chiu, Wah
影响因子：
56.9
作者：
Medalia, O;Weber, I;Baumeister, W
通讯作者：
Baumeister, W