当前位置: 首页 > news >正文

【冷冻电镜】RELION5.0使用教程总结

准备数据集:

A test data set composed of 5 tomograms of immature HIV-1 dMACANC VLPs, which is available at EMPIAR-10164.
原始倾斜系列数据需要是单独的影片或单独的运动校正图像,但不是组合倾斜系列堆栈。
mdoc 文件包含每个倾斜系列的元数据。

创建项目

创建一个项目目录,建议一个tomo对应一个目录,比如现在要重建TS_01断层图,则进入TS_01目录,运行:

relion --tomo&

预计算结果可以在这里下载作为参考:https://doi.org/10.5281/zenodo.11068319

显示如下界面:
在这里插入图片描述

导入断层图 Import

在这里插入图片描述
将创建一个名为 ImportTomo/job001/ 的目录,以及指向此目录的符号链接 ImportTomo/tilt_series。在新创建的目录中,将创建一个 tilt_series.star 文件。它包含一个表,其中每个倾斜系列都有一个条目。对于每个倾斜系列,单独的 starfile 包含从输入图像和 mdoc 文件中提取的相关元数据。输入以下内容查看这些内容:

less Import/job001/tilt_series.star
less Import/job001/tilt_series/TS_01.star

运动校正 Motion Correction

如果不需要运动校正可以省略该步骤。在import那里可以将Movies already motion corrected设置为yes。

input
建议保存用于去噪的图像:

在这里插入图片描述
Motion 面板:

  • Bfactor: 对于自己的数据,如果 SNR 特别低可能需要增加此值。对于超分辨率movies,增加 B factor也可能有帮助。
  • Number of patches X,Y: 由于每个帧中的电子剂量太少,最好不要使用基于块的运动校正。
  • Binning factor:原始图像是在超分辨率模式下收集的,尚未缩放。这将把图像缩放到 1.35 Å。
  • 教程数据已经过增益校正,因此不需要“增益参考图像”,所以该字段应留空。
    在这里插入图片描述
    运动校正颗粒将输出到 MotionCorr/job002/ 目录中。包含输入到其他作业所需的所有元数据的输出star文件将保存为 MotionCorr/job002/corrected_tilt_series.star。可以再次查看它引用的star文件,通过键入以下内容查看有关运动校正的累积元数据:
less MotionCorr/job002/tilt_series/TS_01.star

在这里插入图片描述

CTF estimation

  • CTFFIND-4.1 executable:安装的ctffind路径
  • Use power spectra from MotionCorr job? 使用运动校正期间保存的功率谱来估计 CTF 参数。
  • Minimum resolution::用于 CTF 估算的最低分辨率。对于自己的数据可能需要更改这些值。
  • Maximum resolution:用于CTF估算的最高分辨率。
  • Minimum&Maximum defocus value:请注意,使用下面的“Nominal defocus search range”字段,该值就会被忽略。
  • Nominal defocus search range:(如果给出了正值,则散焦搜索范围将设置为输入 STAR 文件中标称散焦值的 +/- 此值(以 A 为单位)。标称散焦将从 mdoc 文件中提取。使用此选项时,请确保每个倾斜系列的输入星文件中都存在正确的值。如果为此字段给出零或负值,则将使用上面的整体最小-最大散焦搜索范围。)
  • Dose-dependent Thon ring fading (e/A2): 如果给出正值,则 CTF 估计的最大分辨率将降低 exp(dose/this_factor) 乘以上面指定的原始最大分辨率。请记住 exp(1)~=2.7,因此对于 100 e / A 2 100 e/A^2 100e/A2 的累积剂量,此因子的值为 100 e / A 2 100 e/A^2 100e/A2 将产生 2.7 倍更高的最大分辨率数(即 2.7 倍更低的分辨率);较小的值将导致最大分辨率衰减更快。如果给出零或负值,则将对所有图像使用上面指定的最大值。
    在这里插入图片描述

刚开始装了CTFFIND-4.1.14,结果会发生报错:
在这里插入图片描述
GitHub上也有人反应这个问题,目前我的解决方案是下载了较低版本的CTFFIND的,降级到4.1.10可以成功运行。后续 RELION 或许会改掉这个bug,可以关注一下。
在这里插入图片描述
可查看输出:

less CtfFind/job003/tilt_series/TS_01.star

通过检查 CtfFind job 的 tilt_series 目录中的star文件来检查几个倾斜系列的散焦值。rlnDefocusU 和 rlnDefocusV 列指定估计的散焦值。

此外,logfile.pdf 文件包含所有显微照片的有用参数图,例如散焦、像散、估计分辨率等,以及整个数据集中这些值的直方图。分析这些图可能有助于发现数据采集中的问题。

最后,还可以使用 relion_dislay 命令查看倾斜系列中每个倾斜图像的估计 CTF 的功率谱:

relion_display --gui --i CtfFind/job003/tilt_series/TS_01.star

Exclude tilt-images

选择input后会打开Napari,通过取消勾选其名称旁边的框,然后单击右下角的“保存倾斜系列 STAR 文件”来执行此操作。

Align tilt-series

在重建断层扫描图像之前,必须对齐每个倾斜系列。为此,RELION 5 实现了 IMOD 或 AreTomo 的包装器。对于教程数据集,我们将使用 IMOD 的基于基准的对齐,因为原始数据包含 (10 nm) 金珠作为基准标记。对于您自己的数据,您可能希望使用各种倾斜系列对齐方法,然后比较每种方法生成的断层扫描图像的质量(参见下一步)。

这里记得要修改imod的路径:
在这里插入图片描述

IMOD这里选Yes,AreTomo2那里选No:
在这里插入图片描述在这里插入图片描述

Reconstruct tomograms

选择对齐之后的tilt series,denoising这里选yes
在这里插入图片描述

  • Unbinned tomogram width:这是重建断层扫描图像的 X 维度,以体素为单位。我们使用的断层扫描体积比图像的实际尺寸(3710 x 3838)略大,这样如果图像旋转,所有像素仍将位于断层扫描图像中。由于我们在下面使用较大的binned 像素,因此磁盘空间成本不会太高,但可以对其进行调整以获得稍小的断层扫描图像。
  • Unbinned tomogram height : 同上。
  • Unbinned tomogram thickness:这是断层图像的 Z 维度,以体素为单位。对于教程数据,2000 个体素封装了所有五个断层图像的信号。对于自己的数据可能需要测试几个值,以确保断层图像厚度不会太小而无法包含整个样本。如果打算稍后对断层图像进行去噪,最好不要选择比样本厚度大得多的断层图像厚度,因为去噪协议会从断层图像中随机提取子断层图像,而不希望有太多没有信号的子断层图像。
  • Binned pixel size: 10 埃的像素大小足以进行粒子拾取和去噪。通常像素大小越大,断层图像重建速度越快,断层图像占用的磁盘空间越小。

在这里插入图片描述

  • 教程断层扫描图的质量非常好,不需要去噪;但是,我们将其设置为“是”,以便在下一步演示去噪。(此设置需要在运动校正作业中将“保存图像进行去噪?”设置为“是”。)
    如果“生成断层图用于去噪?”设置为“否”,则输出断层图将被称为 Tomograms/job006/tomograms/rec_TS_01.mrc 等,否则将被称为 Tomograms/job006/tomograms/rec_TS_01_half<1/2>.mrc。然后可以在您最喜欢的查看器中查看它们,包括 IMOD 的 3dmod 或 Napari。这些断层图的主要目的是评估样本的质量并允许拾取粒子。此时它们不需要包含高分辨率信息。

Denoise tomograms

需要安装cryoCARE。然后填入cryoCARE_train.py和predict.py的路径。


(未完待续)

相关文章:

【冷冻电镜】RELION5.0使用教程总结

准备数据集&#xff1a; A test data set composed of 5 tomograms of immature HIV-1 dMACANC VLPs, which is available at EMPIAR-10164. 原始倾斜系列数据需要是单独的影片或单独的运动校正图像&#xff0c;但不是组合倾斜系列堆栈。 mdoc 文件包含每个倾斜系列的元数据。…...

【Maven系列】深入解析 Maven 镜像配置

前言 Maven 是一个流行的 Java 项目管理和构建工具&#xff0c;可以自动化构建项目、管理依赖、生成报告等。在Maven构建项目时&#xff0c;通常经常需要下载各种依赖。默认情况下&#xff0c;Maven 会从中央仓库下载这些依赖&#xff0c;但在某些情况下&#xff0c;这个过程可…...

优质翻译在美国电子游戏推广中的作用

美国作为世界上最大的视频游戏市场之一&#xff0c;为寻求全球成功的游戏开发商提供了无与伦比的机会。然而&#xff0c;美国市场的文化和语言多样性使其成为一个复杂的导航景观。高质量的翻译在弥合开发者和这些充满活力的观众之间的差距方面发挥着关键作用&#xff0c;确保游…...

数据结构---栈(Stack)

1. 简介 栈&#xff08;Stack&#xff09;是计算机科学中的一种抽象数据类型&#xff0c;它遵循特定的操作顺序&#xff0c;即后进先出&#xff08;Last In First Out&#xff0c;LIFO&#xff09;。这意味着最后添加到栈中的元素将是第一个被移除的。栈的基本操作通常包括&am…...

【全网最新】若依管理系统基于SpringBoot的前后端分离版本开发环境配置

目录 提前准备&#xff1a; 下载源代码 设置依赖 设置后台连接信息 运行后台 运行前端 安装npm依赖 启动前端 登录网页客户端 提前准备&#xff1a; 1、安装mysql 5以上就可以。 2、安装redis. 3、安装npm npm下载地址&#xff1a;https://nodejs.org/dist/v22.12…...

limit(0,10)和limit(10,10)有什么区别吗?

在SQL查询中&#xff0c;LIMIT子句用于限制查询结果的数量。LIMIT子句通常有两种形式&#xff1a; LIMIT offset, countLIMIT count 这里的offset表示从哪一条记录开始选取&#xff0c;count表示选取多少条记录。 LIMIT(0,10)&#xff1a;这种形式的LIMIT子句表示从第一条记录…...

grpc与rpcx的区别

什么是微服务?rpc架构的主要区别rpcx与grpc的区别rpcx:grpc:为什么grpc要使用http2,为什么不适应http1或者http3?为什么grpc要使用proto而不是json或者其他数据格式? 为什么rpcx快,快多少?rpcx的具体性能指标与grpc比较: 什么是微服务? 整体功能通过多个程序实现,每个程序…...

基于XML的AOP开发

AOP 为 Aspect Oriented Programming 的缩写&#xff0c;意思为面向切面编程。 AOP相关术语&#xff1a; 目标对象(Target)&#xff1a; 你要去代理的对象&#xff0c;可以理解为之前很单纯的那个对象。 代理对象(Proxy)&#xff1a; 你把你那个单纯的对象给我&#xff0c…...

pdf也算是矢量图——pdf大小调整--福昕pdf

有时候需要把pdf作为矢量图放到latex论文中&#xff0c;有时候需要裁剪掉空白的部分&#xff0c;就需要用福昕pdf进行编辑&#xff0c; 参考文章&#xff1a;福昕高级PDF编辑器裁切工具怎么用&#xff1f;裁切工具使用方法介绍_福昕PDF软件工具集 (foxitsoftware.cn)...

Web应用程序文件包含-Server2233-解析

B-6 Web应用程序文件包含 任务环境说明:服务器场景名称:Server2233...

AI开发: 知识图谱的初识,学会制作知识图谱- Python 机器学习

一、知识图谱的概念 知识图谱是一个通过图结构来表示和组织知识的工具&#xff0c;它将事物、概念和它们之间的关系以图的形式呈现出来&#xff0c;图中的节点代表实体&#xff08;比如人物、地点、事件等&#xff09;&#xff0c;而边代表这些实体之间的各种关系&#xff08;…...

Ubuntu Linux用户与组的管理

Ubuntu Linux操作系统- 第一弹 由猪猪侠开启Linux操作系统的学习 文章目录 前言Linux操作系统的发展Linux版本 Linux用户账户及其类型超级用户系统用户普通用户 Ubuntu超级用户权限与管理员Linux的超级用户权限解决方案Ubuntu管理员sudo命令su命令Ubuntu启用root登录 组账户及其…...

算力100问☞第32问:密集计算的关键技术有哪些?

1、高性能处理器和图形处理器 高性能处理器和图形处理器作为计算系统中的核心组件&#xff0c;发挥着至关重要的作用。 高性能处理器是密集计算的基础。它们采用先进的制程技术和架构设计&#xff0c;能够提供更高的时钟频率和更多的核心数量&#xff0c;从而实现更快的计算速…...

Rust : 生成日历管理markdown文件的小工具

需求&#xff1a; 拟生成以下markdown管理小工具&#xff0c;这也是我日常工作日程表。 可以输入任意时间段&#xff0c;运行后就可以生成以上的markdown文件。 一、toml [package] name "rust-workfile" version "0.1.0" edition "2021"[d…...

【并集查询】.NET开源 ORM 框架 SqlSugar 系列

.NET开源 ORM 框架 SqlSugar 系列 【开篇】.NET开源 ORM 框架 SqlSugar 系列【入门必看】.NET开源 ORM 框架 SqlSugar 系列【实体配置】.NET开源 ORM 框架 SqlSugar 系列【Db First】.NET开源 ORM 框架 SqlSugar 系列【Code First】.NET开源 ORM 框架 SqlSugar 系列【数据事务…...

基于单片机的智能农田灌溉节水系统设计及应用

摘 要 &#xff1a; 针对传统的灌溉方法浪费水资源节水系统设计。该系统从节水角度出发&#xff0c;对传感器和主电路进行了设计&#xff0c;主要采集灌溉地的湿度与温度数据&#xff0c;根据测量土壤中的温度与湿度作为主要参数&#xff0c;对农田灌溉节水系统进行实时控制&am…...

jmeter如何导出中文版的测试报告?

文章目录 0、初始步骤&#xff1a;把报告模板换成中文形式1、首先添加一份聚合报告2、然后点开【聚合报告】3&#xff0c;生成报告3.1 选择【工具】-【generate HTML report】3.2 【generate HTML report】参数详解3.3 、最后点击 【generate report】直接生成。 声明&#xff…...

AIGC 与艺术创作:变革与机遇

在当今数字化时代&#xff0c;人工智能生成内容&#xff08;AIGC&#xff09;正以惊人的速度重塑着艺术创作的格局&#xff0c;为艺术家们带来了令人振奋的新机遇。 一.AIGC 的崛起与艺术领域的变革 随着人工智能技术的不断进步&#xff0c;AIGC 逐渐在艺术领域崭露头角。它依…...

【Axios】如何在Vue中使用Axios请求拦截器

✨✨ 欢迎大家来到景天科技苑✨✨ &#x1f388;&#x1f388; 养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; &#x1f3c6; 作者简介&#xff1a;景天科技苑 &#x1f3c6;《头衔》&#xff1a;大厂架构师&#xff0c;华为云开发者社区专家博主&#xff0c;…...

element Plus中 el-table表头宽度自适应,不换行

在工作中&#xff0c;使用el-table表格进行开发后&#xff0c;遇到了小屏幕显示器上显示表头文字会出现换行展示&#xff0c;比较影响美观&#xff0c;因此需要让表头的宽度变为不换行&#xff0c;且由内容自动撑开。 以下是作为工作记录&#xff0c;用于demo演示教程 先贴个…...

保姆级教程:手把手教你用Python搭建HTTP服务器,为安信可BL602模组OTA升级铺路

从零构建Python HTTP服务器&#xff1a;物联网开发者的OTA升级基石 在物联网设备开发中&#xff0c;固件升级(OTA)是产品生命周期管理的关键环节。想象一下这样的场景&#xff1a;当您需要为部署在数百公里外的设备更新功能时&#xff0c;无需物理接触设备&#xff0c;只需通过…...

智慧树自动刷课插件:3分钟安装的终极学习效率提升指南

智慧树自动刷课插件&#xff1a;3分钟安装的终极学习效率提升指南 【免费下载链接】zhihuishu 智慧树刷课插件&#xff0c;自动播放下一集、1.5倍速度、无声 项目地址: https://gitcode.com/gh_mirrors/zh/zhihuishu 还在为智慧树平台的冗长视频课程烦恼吗&#xff1f;智…...

智慧树自动刷课插件:5分钟告别手动点击,学习效率提升300%

智慧树自动刷课插件&#xff1a;5分钟告别手动点击&#xff0c;学习效率提升300% 【免费下载链接】zhihuishu 智慧树刷课插件&#xff0c;自动播放下一集、1.5倍速度、无声 项目地址: https://gitcode.com/gh_mirrors/zh/zhihuishu 还记得那个深夜&#xff0c;你盯着智慧…...

线下技术沙龙:AI Coding深度实践LLM应用分享

活动简介 我们正在经历一场软件开发 范式的变革。从Copilot的智能补全&#xff0c;到Cursor的对话式编程&#xff0c;再到Agent自主完成复杂任务——代码的编写方式&#xff0c;正在被重新定义。 但这场变革的核心&#xff0c;不是工具本身&#xff0c;而是使用工具的人。 本…...

手把手教你用YOLOv5/PyTorch在DOTA V1.5数据集上训练自己的航拍目标检测模型

从零构建航拍目标检测模型&#xff1a;YOLOv5DOTA V1.5实战指南 当无人机镜头掠过城市上空&#xff0c;传回的40004000像素高清图像中&#xff0c;棒球场、港口集装箱、高速公路立交桥等目标如何被精准识别&#xff1f;本文将带您用YOLOv5框架&#xff0c;在包含18.8万实例的DO…...

汽车质量管理体系的核心要素与持续改进之道

在当今竞争激烈的汽车制造业中&#xff0c;质量管理体系不仅是确保产品品质的基石&#xff0c;更是引领行业迈向智能制造未来的关键。作为制造业的核心&#xff0c;质量管理体系能够帮助企业在产品研发、生产制造和售后服务等环节发现并解决问题&#xff0c;提升产品质量和用户…...

非线性声学与强化学习融合的智能声学处理技术

1. 非线性声学与强化学习的融合框架解析在复杂声学环境中&#xff0c;传统线性声学模型往往难以应对高阶声学现象。非线性声学理论通过Westervelt方程和KZK方程等物理模型&#xff0c;能够准确描述声波在非线性介质中的传播特性。这些方程考虑了介质压缩性和边界反射等非线性效…...

从‘管理模式’到‘监听模式’:一张无线网卡在Kali Linux下的四种工作模式详解与切换实战

从‘管理模式’到‘监听模式’&#xff1a;一张无线网卡在Kali Linux下的四种工作模式详解与切换实战 当你第一次在Kali Linux中插入无线网卡时&#xff0c;它默认处于"管理模式"——就像普通笔记本电脑连接WiFi一样温顺。但在这张小小的硬件里&#xff0c;其实藏着四…...

别再手动拖拽了!Unity运行时动态生成材质球,实现AR涂鸦功能的完整流程(附代码)

Unity运行时动态材质生成&#xff1a;打造高性能AR涂鸦系统的核心技术解析 在移动AR应用开发中&#xff0c;实时材质生成技术正成为提升用户体验的关键突破点。想象这样一个场景&#xff1a;儿童教育应用中&#xff0c;孩子随手绘制的涂鸦瞬间变成3D恐龙皮肤的纹理&#xff1b;…...

深入解析PyTorch-FCN架构:FCN32s、FCN16s、FCN8s模型对比分析

深入解析PyTorch-FCN架构&#xff1a;FCN32s、FCN16s、FCN8s模型对比分析 【免费下载链接】pytorch-fcn PyTorch Implementation of Fully Convolutional Networks. (Training code to reproduce the original result is available.) 项目地址: https://gitcode.com/gh_mirro…...