Cryo-SOFI enabling low-dose super-resolution correlative light and electron cryo-microscopy
Notice bibliographique
Résumé
Correlative light and electron cryo-microscopy (cryo-CLEM) combines information from the specific labeling of fluorescence cryo-microscopy (cryo-FM) with the high resolution in environmental context of electron cryo-microscopy (cryo-EM). Exploiting super-resolution methods for cryo-FM is advantageous, as it enables the identification of rare events within the environmental background of cryo-EM at a sensitivity and resolution beyond that of conventional methods. However, due to the need for relatively high laser intensities, current super-resolution cryo-CLEM methods require cryo-protectants or support films which can severely reduce image quality in cryo-EM and are not compatible with many samples, such as mammalian cells. Here, we introduce cryogenic super-resolution optical fluctuation imaging (cryo-SOFI), a low-dose super-resolution imaging scheme based on the SOFI principle. As cryo-SOFI does not require special sample preparation, it is fully compatible with conventional cryo-EM specimens, and importantly, it does not affect the quality of cryo-EM imaging. By applying cryo-SOFI to a variety of biological application examples, we demonstrate resolutions up to ∼135 nm, an improvement of up to three times compared with conventional cryo-FM, while maintaining the specimen in a vitrified state for subsequent cryo-EM. Cryo-SOFI presents a general solution to the problem of specimen devitrification in super-resolution cryo-CLEM. It does not require a complex optical setup and can easily be implemented in any existing cryo-FM system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».