无锡生物冷冻透射电子显微镜技术用途

冷冻电镜技术近年来获得了迅猛的发展，取得了许多具有重大意义的成果。冷冻电镜将生物分子进行冷冻便可进行高分辨率成像，还具有分辨率高、更接近天然状态、适用研究对象普遍等优势。同时，系统地综述了冷冻电镜技术在科学研究中的应用，并展望冷冻电镜技术未来的发展。冷冻电镜（cryo-electronmicroscopy，cryo-EM）技術，是在低温下使用透射电子显微镜观察样品的显微技术，即把样品冷冻并保持低温放进显微镜里面，用高度相干的电子作为光源从上面照射，透过样品和附近的冰层，受到散射，再利用探测器和透镜系统把散射信号成像记录下来，较后进行信号处理，得到样品的结构。冷冻电镜技术之冷冻透射电镜是将样品冷却到液氮温度，用于观测蛋白、生物切片等对温度敏感的样品。无锡生物冷冻透射电子显微镜技术用途

单颗粒冷冻电镜技术：生物大分子快速冷冻后，在低温下利用透射电子显微镜对结构均一、分散的全同样品颗粒进行成像，再经图像处理及重构计算获得样品的三维结构。可研究生物大分子在溶液中的结构及构象变化、无需结晶、所需样品量相对较少，适合于蛋白质、病毒等生物大分子及其复合物的结构生物学研究。样品制备：可以根据样品、电镜载网和其他使用条件，摸索合适的单颗粒样品制备条件，纯化、收集浓度范围从几微升50nM至5uM浓度的蛋白溶液来制备单颗粒电镜样品。在-196℃时，组织中的生物大分子能够长期保持稳定性、细胞活性及组织微观结构，同时，在低温下，生物样品耐受电子辐照剂量增强，且其在电镜镜筒的高真空环境中脱水变形的问题也得以解决。Vitrobot和EMGP2均能够提供快速、简单、可重复的安自动化样品玻璃化制备过程，其在恒定的物理和机械条件下（如温度、相对湿度、吸湿条件和冷冻速度）对样品进行冷冻固定确保生物样品在低温状态下仍保持天然构象。武汉低温电子显微镜技术用途虽然冷冻电镜技术属于前沿技术，但目前已经有利用冷冻电镜基于结构研发的药物进入临床试验。

为什么要做冷冻透射电子显微镜技术服务？a.反应样品溶液里结构：如有机分子组装成的微球、囊泡、胶束、纳米管、片层、水凝胶结构等（往往一般透射拍摄到的都是溶液挥发干了之后的结构，但是这样的结构无论是形貌和尺寸和溶液里都有一定差别，现在好多文章的审稿意见都会需要这类结构的透射照片在溶液里的真实形貌，说简单了就是让补一个冷冻透射）；b.不稳定的纳米结构：比如经不起强电子束照射的样品（MOF、COF等若相互作用力结合的材料，如金属配位、氢键相互作用、亲疏水作用力、ππ堆叠等）在强电子束照射下结构会坍塌，冷冻电镜全程在-160℃下可以做到对样品损害较小；c.生物类分子好多都需要冷冻，因为生物分子本身都需要在水或者血液等存活，一些生物样品构筑的一些纳米结构，如纳米微球、囊泡、膜、多孔材料等等。

冷冻电镜技术助力快速、高效的新药研发：分子生物学兴起后，基于靶点的药物发现逐渐成为主流新药研发模式。通常通过结构生物学方法获得靶点及靶点-受体相互作用的结合位点。将靶点结构和结合位点作为模型进行虚拟筛选，并通过高通量的方法获得可能结合的潜在分子，并进一步通过结构生物学方法直接解析靶点-潜在分子的高分辨率结构，进行潜在分子的确认。冷冻电镜“分辨率改变”使其成为获得优于3Å结构的常规技术。高分辨率的结构能够清晰地描绘靶点与潜在分子相互作用的信息，包括结合表位、配体手性等，为潜在化合物的结构改造提供了指导。新的疾病或者突发流行病需要进行从头药物设计研究，这些应对性的药物研发需要有大量基础研究的积累。冷冻电镜技术既完美契合了结构生物学的基础研究，又能够助力加速基于结构的药物研发。冷冻电镜技术使生物分子成像，变得更加简单，把生物化学带入了一个新纪元。

冷冻电镜技术的应用场景：冷冻电镜主要应用在结构生物学和材料科学当中，如在2020戴口罩戴口罩中研究人员通过冷冻电镜技术在解析病毒结构、推测其侵染人体细胞的路径等传播原理发挥了重要作用，研究人员将戴口罩的结构与其他几种冠状病毒进行了比较，发现2019-nCoV的S蛋白整体结构与SARS病毒S蛋白的整体结构相似，各个结构之间具有高度同源性。在材料科学的应用中，冷冻电镜技术在一些对电子束、热敏感材料，如钙钛矿材料、某些高分子材料、水凝胶、量子点等精细结构的物理表征与机理研究中也具有巨大的应用潜力。冷冻电镜技术的独特优势：它与X射线晶体学、核磁共振一起构成了结构生物学研究的基础。武汉低温电子显微镜技术用途

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。无锡生物冷冻透射电子显微镜技术用途

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。无锡生物冷冻透射电子显微镜技术用途