View Tomo: Context-aware targeting and analysis in electron cryo-tomography

Dit paper introduceert View Tomo, een workflow voor snelle, contextbewuste acquisitie van lage-dosis cryo-elektronentomogrammen die de selectie van doelen en analyse van mesoscale organisatie in cellen aanzienlijk verbetert ten opzichte van traditionele tweedimensionale projectiebeelden.

De kern

Stel je voor dat je een gigantische, levende stad wilt verkennen, maar je hebt alleen maar een plattegrond van de straten van bovenaf. Dat is wat wetenschappers tot nu toe deden met cryo-electronenmicroscopie: ze keken naar cellen alsof het een tweedimensionale foto was, terwijl de cellen eigenlijk een complexe, driedimensionale stad zijn. Het probleem? Je ziet de gebouwen (de cellulaire structuren) wel, maar je mist de diepte. Je weet niet precies waar je moet graven om de schatten te vinden, en je loopt vaak de verkeerde straten op.

View Tomo is de oplossing: een nieuwe manier om deze "stad" in 3D te scannen, alsof je ineens een drone krijgt die direct door de gebouwen vliegt.

Hier is hoe het werkt, vertaald naar alledaags taal:

1. De oude manier: Een zwart-wit foto van een kluwen

Vroeger moesten wetenschappers een cel bekijken op een plat scherm (een 2D-projectie). Het was alsof je probeerde te raden hoe een knoop er van binnen uitziet door alleen naar de buitenkant van het touw te kijken. Je zag dat er iets aan de hand was, maar je wist niet waar precies of hoe het in elkaar zat. Je moest gissen waar je je vergrootglas op moest richten.

2. De nieuwe manier: Een snelle 3D-scan met een drone

View Tomo is als het gebruik van een super-snelle drone die in enkele minuten een volledig driedimensionaal model van de hele stad maakt.

• Snel en licht: De drone maakt geen zware foto's die de stad beschadigen. Ze gebruiken heel weinig licht (straling), zodat de "stad" (de cel) nog steeds intact is voor later, gedetailleerd onderzoek.
• Hoog contrast: Zelfs met weinig licht zie je de contouren van de gebouwen heel scherp. Je ziet direct waar de interessante plekken zijn.

3. Waarom is dit zo'n game-changer?

Stel je voor dat je op zoek bent naar een specifiek type auto in een drukke parkeergarage.

• Vroeger: Je keek naar een platte foto van de garage. Je zag een auto, maar je wist niet of die op de eerste of de tiende verdieping stond. Je moest elke verdieping één voor één afzoeken.
• Met View Tomo: Je krijgt direct een 3D-kaart van de hele garage. Je ziet direct: "Ah, daar zit de auto, op de derde verdieping, naast de lift." Je kunt je zoektocht direct daarheen sturen.

In de wetenschap betekent dit dat ze nu direct kunnen zien:

• Hoe virussen zich aan cellen vasthechten (als kleine schepen die aan een pier liggen).
• Hoe cellen hun vorm veranderen (als een stad die zich aanpast aan het weer).
• Waar precies de bouwstenen van het leven samenkomen.

4. De beloning: Precieze schattenjacht

Omdat View Tomo je precies laat zien waar je moet kijken, kunnen wetenschappers daarna hun krachtigste gereedschappen gebruiken om die specifieke plekken in extreem detail te bekijken. Het is alsof je eerst een snelle scan maakt om de schatkist te vinden, en daarna pas de sleutel gebruikt om hem open te maken en de juwelen van dichtbij te bestuderen.

Kortom: View Tomo is de slimme, snelle drone die wetenschappers helpt om de complexe, driedimensionale wereld van cellen te doorzoeken, zodat ze niet meer hoeven te gissen, maar direct weten waar de echte ontdekkingen te vinden zijn.

Technische samenvatting

Probleemstelling

Elektron cryo-tomografie (cryoET) is een krachtige techniek voor het oplossen van celstructuren in drie dimensies. Een fundamentele beperking in de huidige werkstroom is echter dat de selectie van specifieke gebieden van belang (region selection) doorgaans nog steeds gebaseerd is op tweedimensionale projectieafbeeldingen. Dit benadering is beperkt omdat het de complexe driedimensionale context van de cel niet volledig vastlegt, wat leidt tot suboptimale targeting en het missen van structurele details die in 2D-projecties onzichtbaar zijn.

Methodologie

Het paper introduceert View Tomo, een nieuwe werkstroom die is ontworpen voor de snelle acquisitie van tomogrammen met lage vergroting. De kern van de methodologie omvat:

• Snelle Acquisitie: Tomogrammen worden binnen enkele minuten opgenomen met een zeer lage stralingsdosis (ongeveer 3 e⁻/Ų).
• Automatisering: Er is een geautomatiseerd acquisitie- en reconstructiepijplijn geïmplementeerd die zorgt voor snelle uitlijning (alignment) van de data.
• Balans tussen Dosis en Contrast: Ondanks de lage dosis worden tomogrammen gegenereerd met een hoog contrast, die toch compatibel blijven met latere hoge-resolutie structurele bepalingen.

Belangrijkste Bijdragen

1. 3D-gebaseerde Screening: View Tomo verschuift de focus van 2D-projecties naar een echte 3D-screening, wat het mogelijk maakt om doelwitten te selecteren op basis van hun ruimtelijke context.
2. Integratie van Werkstromen: De techniek fungeert als een brug tussen snelle screening en hoge-resolutie analyse, waardoor een naadloze integratie met correlative beeldvorming (correlative imaging) wordt mogelijk gemaakt.
3. Automatisering: Het biedt een volledig geautomatiseerde oplossing voor het snel aligneren en reconstrueren van tomogrammen, wat de doorvoer aanzienlijk verhoogt.

Resultaten

De toepassing van View Tomo op diverse virale en cellulaire systemen leverde de volgende inzichten op:

• Onthulling van complexe structuren: De tomogrammen onthulden membraanhermodelleringsevents, assemblage-intermediairen en celorganisatie die moeilijk of onmogelijk te identificeren waren in traditionele projectieafbeeldingen.
• Gerichte Hoge-Resolutie Imaging: De verkregen data stonden onderzoekers in staat om gerichte hoge-resolutie beelden te nemen van specifieke, eerder geïdentificeerde structuren.
• Kwantitatieve Analyse: De methode faciliteerde de kwantitatieve analyse van ruimtelijke relaties binnen cellen, wat essentieel is voor het begrijpen van mesoscale organisatie.

Betekenis en Impact

View Tomo breidt de bestaande cryoET-werkstromen aanzienlijk uit door de selectie van doelen te verbeteren en de analyse van mesoscale organisatie mogelijk te maken. Het lost het probleem op van het "blind" selecteren van gebieden op basis van 2D-beelden en biedt in plaats daarvan een contextbewuste aanpak. Hierdoor wordt niet alleen de efficiëntie van het onderzoek verhoogd, maar wordt ook de kwaliteit van de structurele biologie verbeterd door het vermogen om complexe biologische processen in hun natuurlijke 3D-omgeving te bestuderen en te integreren met andere beeldvormingstechnieken.