MétaCan
Menu
Retour à la cohorte
Enregistrement W4391005420 · doi:10.1101/2024.01.18.575858

Localising elements in single-particle reconstructions by REEL-EM: Reconstructed Electron Energy-Loss - Elemental Mapping

2024· preprint· en· W4391005420 sur OpenAlexaff
Olivia Pfeil-Gardiner, Higor Vinícius Dias Rosa, Dietmar Riedel, Yu Seby Chen, Dominique Lörks, Pirmin Kükelhan, Martin Linck, Heiko Müller, Filip Van Petegem, Bonnie J. Murphy

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Electron Microscopy Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBioFrontiers Institute, University of Colorado BoulderMax-Planck-Gesellschaft
Mots-clésSingle particle analysisParticle (ecology)Electron energy loss spectroscopyCryo-electron microscopyIonElectron microscopeSpectroscopyElemental analysisEnergy (signal processing)ElectronMaterials scienceChemistryNanotechnologyAnalytical Chemistry (journal)PhysicsTransmission electron microscopyOpticsGeologyInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract For structures determined by single particle cryo-EM, no technique currently exists for mapping elements to defined locations, leading to errors in the assignment of metals and other ions, cofactors, substrates, inhibitors, and lipids that play essential roles in activity and regulation. Elemental mapping in the electron microscope is well established for dose-tolerant samples but is challenging for biological samples, especially in a cryo-preserved state. Here, we combine electron energy-loss spectroscopy (EELS) with single-particle image processing to allow elemental mapping in cryo-preserved macromolecular complexes. Proof-of-principle data show that our method, REEL-EM, allows 3D reconstruction of EELS data, such that a high total electron dose is accumulated across many copies of a complex. Working with two test samples, we demonstrate that we can reliably localise abundant elements. We discuss the current limitations of the method and potential future developments.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAdvanced Electron Microscopy Techniques and ApplicationsTravaux en français237 207