Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Cryo-electron Microscopy01:28

Cryo-electron Microscopy

Conventional electron microscopy (EM) involves dehydration, fixation, and staining of biological samples, which distorts the native state of biological molecules and results in several artifacts. Also, the high-energy electron beam damages the sample and makes it difficult to obtain high-resolution images. These issues can be addressed using cryo-EM, which uses frozen samples and gentler electron beams. The technique was developed by Jacques Dubochet, Joachim Frank, and Richard Henderson, for...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Recent Advances in Vision-Based Beef Cattle Body Measurement Technologies.

Animals : an open access journal from MDPI·2026
Same author

Antagonism of β-klotho signaling by peptide 19 impairs wheel running in male mice and potentiates the cisplatin-induced decrease in wheel running.

Frontiers in pharmacology·2026
Same author

A knowledge-guided deep learning framework for quantitative nucleic acid testing.

Briefings in bioinformatics·2026
Same author

DyMamba: dynamic Mamba for microscopy image semantic segmentation.

Bioinformatics (Oxford, England)·2026
Same author

Earthworm-Inspired Self-Powered Multistimuli Neuromorphic Vision Skin with Homogeneous Ion Heterogel Arrays.

ACS applied materials & interfaces·2026
Same author

Benchmarking deep learning methods for Cα atom prediction in cryo-EM density maps.

Bioinformatics (Oxford, England)·2026

Video Experimental Relacionado

Updated: Jul 12, 2026

Cryo-EM and Single-Particle Analysis with Scipion
09:06

Cryo-EM and Single-Particle Analysis with Scipion

Published on: May 29, 2021

4.5K

Markerfree: Alineación sin marcadores acelerada por GPU para mejorar la reconstrucción cryo-ET

Zihe Xu1, Zihao Liu2, Tongxin Niu3

  • 1Research Center for Mathematics and Interdisciplinary Sciences (Ministry of Education Frontiers Science Center for Nonlinear Expectations), Cheeloo College of Medicine, Qilu Hospital (Qingdao), Shandong University, Qingdao 266237, China; College of Medical Information and Engineering, Ningxia Medical University, Yinchuan 750004, China.

Structure (London, England : 1993)
|February 28, 2026
PubMed
Resumen

El software Markerfree ofrece una alineación automatizada y robusta de series de inclinación para tomografía crioelectrónica (cryo-ET). Esta herramienta acelerada por GPU mejora la precisión para conjuntos de datos complejos, optimizando el flujo de trabajo de cryo-ET.

Palabras clave:
cryo-ETalineación sin marcadoresreconstrucción

Más Videos Relacionados

Single Particle Cryo-Electron Microscopy: From Sample to Structure
11:52

Single Particle Cryo-Electron Microscopy: From Sample to Structure

Published on: May 29, 2021

9.8K
Cryo-Electron Tomography Remote Data Collection and Subtomogram Averaging
08:55

Cryo-Electron Tomography Remote Data Collection and Subtomogram Averaging

Published on: July 12, 2022

6.0K

Videos de Experimentos Relacionados

Last Updated: Jul 12, 2026

Cryo-EM and Single-Particle Analysis with Scipion
09:06

Cryo-EM and Single-Particle Analysis with Scipion

Published on: May 29, 2021

4.5K
Single Particle Cryo-Electron Microscopy: From Sample to Structure
11:52

Single Particle Cryo-Electron Microscopy: From Sample to Structure

Published on: May 29, 2021

9.8K
Cryo-Electron Tomography Remote Data Collection and Subtomogram Averaging
08:55

Cryo-Electron Tomography Remote Data Collection and Subtomogram Averaging

Published on: July 12, 2022

6.0K

Área de la Ciencia:

  • Biología estructural
  • Biofísica
  • Microscopía

Sus antecedentes:

  • La alineación de series de inclinación es crucial para la reconstrucción de imágenes en tomografía crioelectrónica (cryo-ET).
  • Conjuntos de datos cada vez más complejos y relaciones señal-ruido bajas desafían los métodos de alineación existentes.
  • La alineación basada en marcadores es precisa pero no siempre factible, lo que resalta la necesidad de soluciones robustas sin marcadores.

Objetivo del estudio:

  • Desarrollar un método de alineación de series de inclinación sin marcadores de alta precisión y robustez para la tomografía crioelectrónica.
  • Abordar las limitaciones del software actual en el manejo de conjuntos de datos cryo-ET diversos y desafiantes.

Principales métodos:

  • Se introdujo Markerfree, un paquete de software acelerado por GPU para la alineación automatizada de series de inclinación.
  • Se integró la correlación cruzada iterativa y la alineación gruesa basada en líneas comunes.
  • Se empleó refinamiento global utilizando coincidencia de proyección mejorada para una mayor precisión.

Principales resultados:

  • Markerfree demostró precisión y robustez validadas en conjuntos de datos cryo-ET simulados y del mundo real.
  • El método logró una precisión superior al optimizar la selección de imágenes para la reconstrucción.
  • El software está completamente automatizado y acelerado por GPU, lo que mejora la velocidad de procesamiento.

Conclusiones:

  • Markerfree proporciona una solución potente y fiable para la alineación de series de inclinación sin marcadores en cryo-ET.
  • El software es muy adecuado para los flujos de trabajo modernos de cryo-ET, especialmente con conjuntos de datos desafiantes.
  • La mayor precisión y robustez contribuyen a reconstrucciones cryo-ET de mayor calidad.