Breaking Barriers: Transitioning from X-ray Crystallography to Cryo-EM for Structural Studies

Dit artikel beschrijft de overgang van een laboratorium van röntgenkristallografie naar cryo-elektronenmicroscopie voor het bestuderen van het chromatine-regulerende eiwit ATAD2B, waarbij praktische inzichten worden geboden over het overwinnen van uitdagingen bij sample-preparatie, data-verwerking en modelbouw voor nieuwe gebruikers.

De kern

Titel: Hoe een team van wetenschappers een "spook" uit hun foto's haalde om een moleculair monster te zien

Stel je voor dat je een gigantisch, ingewikkeld machine wilt fotograferen. Dit is geen gewone machine, maar een eiwitcomplex genaamd ATAD2B. Dit eiwit is als een slimme sleutel die in de kern van onze cellen werkt en bepaalt welke genen aan- of uitgezet worden. Als je deze sleutel goed wilt begrijpen, moet je een superduidelijke foto maken van hoe hij eruitziet.

Vroeger deden wetenschappers dit door het eiwit in kristallen te laten groeien (alsof je het in een ijsblokje vries) en er röntgenstralen doorheen te sturen. Maar dit eiwit was te groot en te rommelig om kristallen te vormen. Het was alsof je probeert een perfect blokje ijs te maken van een modderige plas water.

Dus, besloot het team van de Glass-laboratorium (aan de Universiteit van Vermont) om over te stappen op een nieuwe techniek: Cryo-EM (Cryo-Elektronenmicroscopie).

Wat is Cryo-EM? (De "Flash-Freeze" Camera)

In plaats van kristallen te maken, nemen ze een druppel van het eiwit, spuiten het op een heel klein gaasje en vriezen het in een fractie van een seconde in vloeibare stikstof. Het eiwit bevriest zo snel dat het in zijn natuurlijke staat "bevroren" blijft, alsof het in een tijdsbestek is gestopt. Vervolgens nemen ze duizenden foto's van deze bevroren deeltjes en laten een computer ze samenvoegen tot één 3D-foto.

Het Probleem: De "Onverwachte Gast"

Het team dacht dat ze klaar waren, maar toen ze de foto's bekeken, zagen ze iets vreemds. Ze zochten naar het grote ATAD2B-eiwit, maar de meeste foto's toonden een heel ander, ringvormig object.

Het bleek dat ze per ongeluk een Gast hadden uitgenodigd: GroEL.
GroEL is een "chaperonine" (een soort moleculaire oppas) die bacteriën gebruiken om andere eiwitten te helpen vouwen. Omdat het team het eiwit in bacteriën (E. coli) had geproduceerd, was de bacterie zo stressvol door het grote eiwit dat het zijn eigen oppas (GroEL) uit de kast haalde om te helpen.

De Analogie:
Stel je voor dat je een foto wilt maken van een beroemde popster (ATAD2B) die op een podium staat. Maar omdat de popster zwaar is en de cameraman (de bacterie) zenuwachtig is, heeft hij zijn eigen grote, luidruchtige familieleden (GroEL) meegenomen.
Op de foto's zie je niet de popster, maar een enorme menigte van die familieleden. De popster staat er ook bij, maar ze is klein en verdwaald tussen de massa.

De Strijd: Computer vs. Chaos

Het team probeerde de computer te laten zoeken naar de popster, maar de computer werd overrompeld door de familieleden.

1. De eerste poging: Ze probeerden de "familieleden" (GroEL) te filteren, maar er waren er te veel. Het was alsof je probeert één specifieke druppel water te vinden in een overstroming.
2. De slimme oplossing: Ze gebruikten een nieuw computerprogramma genaamd Topaz. Dit is een programma dat leert van voorbeelden. Ze leerden de computer eerst hoe de familieleden eruitzagen, zodat de computer kon zeggen: "Oh, dit is weer een familielid, sla dit over." Maar verrassend genoeg leerde het programma ook: "En dit is de popster!"
3. Het resultaat: Ze vonden weliswaar de popster, maar er waren er nog steeds te weinig om een scherpe foto te maken. De "ruis" (de familieleden) was te groot.

De Grote Verandering: Van Bakkerij naar Kwekerij

Het team besefte: "We blijven te veel tijd kwijt aan het filteren van deze familieleden. We moeten de popster in een andere omgeving produceren waar deze familieleden niet wonen."

Ze veranderden hun strategie:

• Oude methode: Eiwit maken in bacteriën (waar de "familieleden" wonen).
• Nieuwe methode: Eiwit maken in insectencellen (Sf9-cellen).

Het was alsof ze de popster verhuisden van een drukke, chaotische stad naar een rustige, exclusieve villa. In de insectencellen was er geen GroEL. Toen ze het eiwit opnieuw maakten, was het schoon. Geen familieleden, alleen de popster.

Het Eindresultaat

Met de schone samples konden ze eindelijk de perfecte foto's maken. Ze kregen een kristalheldere 3D-structuur van het ATAD2B-eiwit. Dit helpt wetenschappers te begrijpen hoe dit eiwit werkt en hoe het misschien kan worden gebruikt om ziekten te behandelen.

Wat leren we hieruit?

1. Soms moet je stoppen met vechten tegen de stroom: Als een techniek (zoals het filteren van vervuiling) te veel tijd kost, is het soms slimmer om de bron van het probleem aan te pakken (de productie van het eiwit).
2. Samenwerking is key: Ze leerden van experts, gebruikten nieuwe software en werkten samen met andere laboratoria.
3. Cryo-EM is krachtig, maar niet magisch: Het kan grote en rommelige dingen zien die andere methoden niet kunnen, maar je hebt nog steeds een heel schone "druppel" nodig om het beste resultaat te krijgen.

Kortom: Dit verhaal gaat over een team dat een moleculair mysterie probeerde op te lossen, per ongeluk een "spook" (GroEL) in hun foto's kreeg, en uiteindelijk door slimme keuzes en een verandering van locatie de waarheid kon onthullen.

Technische samenvatting

Titel: Barrières doorbreken: Overgang van Röntgenkristallografie naar Cryo-EM voor structurele studies

Auteurs: Hassan Zafar, Kiera L. Malone, Ajit K. Singh, Michael A. Cianfrocco, en Karen C. Glass.

---

1. Het Probleem en de Context

De onderzoeksgroep van Glass (University of Vermont) streefde naar het oplossen van de structuur van ATAD2B, een menselijk chromatineregulerend eiwit dat betrokken is bij epigenetische signalering. ATAD2B is een groot eiwit (1458 aminozuren) met AAA+ ATPase-domeinen en een bromodomein.

• Uitdaging bij kristallografie: De groep had succesvol bromodomeinen van ATAD2/ATAD2B gekristalliseerd, maar de volledige, N-terminaal getrimde constructie (residuen 380-1458, ~150 kDa) bleek extreem moeilijk te purificeren in de benodigde hoeveelheden en zuiverheid voor röntgenkristallografie.
• Expressieproblemen: Bij expressie in E. coli ontstond er een aanzienlijke contaminatie met GroEL, een chaperonine uit E. coli. Omdat GroEL (een heptamer van ~812 kDa) en het geoligomeriseerde ATAD2B (een hexamer van ~900 kDa) vergelijkbare grootte hebben, konden ze niet worden gescheiden via standaard grootte-exclusiechromatografie (SEC).
• Doel: De groep wilde overstappen van röntgenkristallografie naar single-particle cryo-electron microscopy (cryo-EM) om de structuur van dit grote, flexibele complex op te lossen, maar stuitte op onbekende obstakels in sample-preparatie en data-analyse.

2. Methodologie

De studie beschrijft een iteratieve workflow die biologische optimalisatie combineert met geavanceerde cryo-EM data-verwerking:

• Sample Preparatie en Screening:

  • Eerst werd negatieve kleuring gebruikt om de samplekwaliteit te beoordelen.
  • Vervolgens werden cryo-grids gemaakt (vitrisatie) met een Vitrobot Mark IV. Verschillende buffercondities (zout, glycerol, detergenten) en grid-types (Quantifoil, UltrAuFoil) werden getest.
  • De beste condities voor de E. coli-sample waren: 50 mM Tris pH 7.5, 150 mM NaCl, 5% glycerol op UltrAuFoil grids.

• Data Collectie:

  • Data werd verzameld op een 300 kV Titan Krios microcoop bij het National Center for Cryo-EM Access and Training (NCCAT).
  • Drie datasets werden gegenereerd: ATAD2B in apo-toestand, gebonden aan ADP, en gebonden aan γATP (een langzaam hydrolyserend ATP-analogon).

• Data Verwerking (Software):

  • Gebruikte software: CryoSPARC, cisTEM, Topaz (machine learning particle picking), en Phenix voor modelbouw.
  • Het GroEL-probleem: Bij de eerste data-verwerking werden voornamelijk heptamere deeltjes geïdentificeerd. Massaspectrometrie bevestigde aanvankelijk alleen ATAD2B, maar bleek later onvolledig omdat het geen E. coli-proteïnen zocht. Een heranalyse toonde aan dat GroEL en ATAD2B in gelijke hoeveelheden aanwezig waren.
  • Oplossing via Topaz: Omdat GroEL de meerderheid van de deeltjes vormde (~10x meer dan ATAD2B), werd een Topaz-model getraind op de GroEL-deeltjes. Dit verrassend genoeg leidde tot het succesvol "picken" van ook de zeldzame ATAD2B-deeltjes, die anders door standaard blob-pickers waren gemist.
  • Scheiding: Heterogene verfijning werd gebruikt om GroEL en ATAD2B deeltjes te scheiden. Ondanks dit succes bleek de hoeveelheid ATAD2B-deeltjes onvoldoende voor een hoge-resolutie reconstructie (<100.000 deeltjes na filtering).

• Biologische Optimalisatie (De definitieve oplossing):

  • Omdat computergestuurde filtering niet volstond, werd de expressiesysteem gewijzigd van E. coli naar Sf9 insectcellen (baculovirus-expressie).
  • Dit resulteerde in een zuivere ATAD2B-sample zonder GroEL-contaminatie, geschikt voor nieuwe data-collectie.

• Modelbouw en Validatie:

  • Voor de GroEL-structuur (die als tussenstap diende) werden bestaande PDB-modellen (8BL7, 9C0C) gebruikt.
  • Rigid body fitting in UCSF ChimeraX, handmatige aanpassingen in Coot, en verfijning in Phenix.
  • Validatie via MolProbity en PDB-validatie rapporten.

3. Belangrijkste Resultaten

• Identificatie van de contaminatie: De studie toonde aan dat GroEL-contaminatie bij E. coli-expressie van grote AAA+ ATPase-complexen een kritieke valkuil is die vaak pas in de 2D-classificatie-fase van cryo-EM zichtbaar wordt.
• Data-verwerking strategie: Het trainen van Topaz op de contaminant (GroEL) bleek een effectieve strategie om de zeldzame doeldeeltjes (ATAD2B) te vinden, hoewel dit uiteindelijk niet volstond voor een hoge-resolutie structuur van ATAD2B.
• GroEL-structuren: De groep slaagde erin drie hoge-resolutie structuren van GroEL in verschillende nucleotide-staten op te lossen:
  • GroEL-γATP: 3.3 Å (PDB: 9YKC).
  • GroEL-ADP: 4.2 Å (PDB: 9YNJ).
  • GroEL-apo: 3.7 Å (PDB: 9YKE).
  • Deze structuren bevestigden de D7-symmetrie en toonden details van de nucleotide-bindingszakken.
• Overgang naar Sf9: De overgang naar Sf9-cellen elimineerde de contaminatie volledig en leverde een homogene sample op, wat essentieel was voor de toekomstige oplossing van de ATAD2B-structuur.

4. Bijdragen en Significantie

Dit artikel biedt een waardevol "how-to" gids voor structurele biologen die overstappen van kristallografie naar cryo-EM:

1. Praktische Inzichten: Het benadrukt dat cryo-EM geen "magische oplossing" is voor slechte samples. Hoewel cryo-EM toleranter is voor heterogeniteit dan kristallografie, is een hoge zuiverheid en stabiliteit van het eiwit nog steeds cruciaal voor hoge resolutie.
2. Contaminatiebeheer: Het identificeert GroEL als een veelvoorkomende, maar vaak onopgemerkte contaminant bij E. coli-expressie van grote eiwitten. Het artikel waarschuwt dat als contaminanten >70-80% van de dataset uitmaken, het computergestuurde scheiden vaak te kostbaar wordt in termen van microscopietijd.
3. Workflow Integratie: Het artikel illustreert de noodzaak van een geïntegreerde aanpak: biochemie (expressiesysteem wisselen), sample-preparatie (grid-optimalisatie) en data-verwerking (machine learning) moeten hand in hand gaan.
4. Leercurve en Infrastructuur: Het benadrukt de hoge drempel voor nieuwe gebruikers, inclusief de noodzaak van krachtige GPU-computers en toegang tot gespecialiseerde faciliteiten zoals NCCAT.
5. Toekomstperspectief: Het artikel concludeert dat cryo-EM de standaard wordt voor grote, dynamische complexen, maar dat de kwaliteit van de biologische sample (de "biochemische basis") de uiteindelijke resolutie blijft bepalen.

Conclusie: De overgang van kristallografie naar cryo-EM vereist een fundamentele verschuiving in mindset en techniek. De succesvolle oplossing van de GroEL-structuren en de identificatie van de ATAD2B-contaminatie-problematiek dienen als een leerrijk voorbeeld voor de gemeenschap om valkuilen te vermijden en de juiste expressiesystemen te kiezen voor complexe macromoleculen.