嘉兴Cryo-TEM技术应用

冷冻电镜技术之冷冻扫描电镜：扫描电镜工作者都面临着一个不能回避的事实，就是所有生命科学以及许多材料科学的样品都含有液体成分。很多动植物组织的含水量达到98%，这是扫描电镜工作者比较难对付的样品问题。冷冻扫描电镜(Cryo-SEM)技术是克服样品含水问题的一个快速、可靠和有效的方法。这种技术还被普遍地用于观察一些“困难”样品，如那些对电子束敏感的具有不稳定性的样品。各种高压模式如VP、LVESEM的出现，已允许扫描电镜观察未经冷冻和干燥的样品。但是，冷冻扫描电镜仍然是防止样品丢失水分的Z有效方法，它能应用于任何真空状态，包括装于扫描电镜的Peltier台以及向样品室内冲以水汽的装置。冷冻扫描电镜还有一些其他优点，如具有冷冻断裂的能力以及可以通过控制样品升华刻蚀来选择性地去除表面水分(冰)等。冷冻电子显微镜技术之样品成像：低剂量辐照成像，普通样品材料在进行表征时，电子剂量越高成像质量越好。嘉兴Cryo-TEM技术应用

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。嘉兴Cryo-TEM技术应用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。

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。

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。冷冻电镜技术之冷冻蚀刻电子显微镜优点：样品经冷冻断裂蚀刻后，能够观察到不同劈裂面的微细结构。

冷冻电镜技术原理之电子断层扫描成像技术：通过在显微镜内倾转样品从而收集样品多角度的电子显微图像并对这些电子显微图像根据倾转几何关系进行重构的方法称为电子断层扫描成像技术。该方法主要应用于细胞及亚细胞器，以及没有固定结构的生物大分子复合物(分子量范围为800kD)，Zgao分辨率约2nm。冷冻电镜的分类：目前我们讨论的冷冻电镜基本上指的都是冷冻透射电镜，但是如果我们以使用冷冻技术的角度定义冷冻电镜的话，冷冻电镜主要可以分为冷冻透射电镜、冷冻扫描电镜、冷冻蚀刻电子显微镜。冷冻电镜技术的研究，主要是冷冻成像和蛋白快速冷冻技术。黄山冷冻透射电镜技术哪里有

冷冻电镜技术中的单颗粒分析法的研究对象可以是具有某种对称性的颗粒，也可不具有任何对称性的蛋白分子。嘉兴Cryo-TEM技术应用

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。嘉兴Cryo-TEM技术应用