东莞快速冷冻显微镜技术服务公司

冷冻电镜技术是在20世纪70年代提出的，早在20世纪70年代科学家们就利用冷冻电镜研究病毒分子的结构，头次提出了冷冻电镜技术的原理、方法以及流程的概念。冷冻电镜的发展：冷冻电镜到底是什么?从上世纪70年代兴起至今，冷冻电子显微技术(cryo-EM)已经跨越了40多年的发展历史，经历了冷冻制样、单颗粒图像分析和三维重构算法等关键性技术的突破。通俗而言，冷冻电镜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。冷冻电镜技术的基本原理是将生物大分子溶液置于电镜载网上形成一层非常薄的水膜。东莞快速冷冻显微镜技术服务公司

冷冻电子显微镜技术步骤之图像采集：冷冻的样品通过专门的设备一冷冻输送器转移到电镜的样品室。在照相之前，必须观察样品中的水是否处于玻璃态，如果不是则应重新制备样品。由于生物样品对高能电子的辐射敏感，照相时必须使用较小曝光技术。经过透射电子显微镜中一系列复杂的过程，较终在记录介质上会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。近年来，一个技术上的重大突破是高分辨率图像采集设备的开发与应用。基于互补金属氧化物半导体(CMOS)技术开发的直接探测电子成像的装置使电子显微放大图像的信噪比相对过去所使用的底片或电荷耦合元件(CCD)有了很大提高、进而提高了成像的质量。韶关透射电镜技术服务电话冷冻电镜技术将在研究对象、分辨率水平和研究方法等各个方面取得重大进展。

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。

单颗粒冷冻电镜技术的颗粒挑选：接下来需要从原始数据中筛选出颗粒投影，也被称为“颗粒挑选”，颗粒挑选的好坏也将影响所有后续的分析和处理过程，是一个重要并且繁琐的步骤。颗粒挑选方式可以分为手动挑选、半自动挑选和完全自动挑选这几种。在早期的分析中，对于结构的了解还非常少，优先考虑的都是人工挑选。但是自动的颗粒图像获取方法的出现使得在很短时间内可以收集数十万张颗粒图像，人工挑选大量的颗粒图像不太现实，并且人工的挑选通常会过于集中于某一类颗粒图像，导致遗漏和偏差。半自动和全自动的方法主要有以下三类：(1)通过例如降噪、反衬增强、边缘算子等图像形态学方法搜索区域，基于数字图像处理学的原理，将颗粒图像与背景分离开来。(2)基于模板的方法，通过扫描数据图像和已知的模板比较来挑选出潜在的颗粒图像，模板的来源通常为手动选出的数据图像中较为清晰的颗粒图像，或者是已知结构的投影。(3)结合无模板和有模板的方法，通过一些有监督的机器学习算法进行颗粒挑选。冷冻电镜技术，是在低温下使用透射电子显微镜观察样品的显微技术。

冷冻电子显微镜技术在20世纪70年代时提出，经过近10年的努力，在80年代趋于成熟，近年来已经进入了快速发展的时期。它的研究对象非常普遍，包括病毒、蛋白、肌丝、蛋白质核昔酸复合体、亚细胞器等。一方面，冷冻电微镜技术所研究的生物样品既可以是具有二维晶体结构的，也可以是非晶体的;而且对于样品的分子量没有限制。因此，很大程度突破了X-射线晶体学只能研究三维晶体样品和核磁共振波谱学只能研究小分子量(小于100KD)样品的限制。另一方面，生物样品是通过快速冷冻的方法进行固定的，克了因化服学固定、染色、金属镀膜等过程对样品构象的影响，更加接近样品的生活状态。冷冻电镜技术中单颗粒分析法优点：样品受总辐射值小；对称颗粒的解析分辨率更高。韶关透射电镜技术服务电话

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。东莞快速冷冻显微镜技术服务公司

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。东莞快速冷冻显微镜技术服务公司