Cryo-eletronenmicroscoopopnames van eiwitten herleiden tot een 3D-structuur wordt stukken eenvoudiger dankzij twee nieuwe algoritmes. Het kan nu binnen een paar uur op een gewone desktop-pc, beloven Canadese onderzoekers in Nature Methods.

Met die ‘cryo-EM’-techniek kun je de structuur bepalen van losse eiwitmoleculen, zonder dat je ze eerst hoeft te laten uitkristalliseren zoals bij röntgenkristallografie. De resolutie van dergelijke 2D-opnames is inmiddels zo goed dat je bijna afzonderlijke atomen kunt zien. Door opnames te maken vanuit verschillende hoeken kun je bovendien de 3D-structuur van het eiwit herleiden.

Alleen heb je daar in de praktijk tienduizenden opnames voor nodig. Het maken daarvan kun je automatiseren en dan is de microscoop in een paar dagen klaar. Maar om er structuren uit af te leiden in hoge resolutie was tot nu toe weken rekentijd nodig op een supercomputer, begeleid door iemand met verstand van zaken. Bovendien moest je van tevoren ongeveer weten hoe het eiwit eruit zag omdat het iteratieve proces anders op een totaal verkeerde structuur kon uitkomen.

Marcus Brubaker en collega’s van twee universiteiten in Toronto hebben nu een softwarepakket online gezet dat aan deze problemen een eind zou moeten maken. Het heet CryoSPARC, wat staat voor cryo-EM single particle ab initio reconstruction and classificiation, en het bevat twee nieuwe algoritmes. Het ene maakt het mogelijk de iteraties vanuit een willekeurig plaatje te starten, waarbij het zelfs geen bezwaar is als het eiwit meer dan één 3D-conformatie kan aannemen en opnamen van die verachillende structuren door elkaar in de dataset zitten. Het andere zoekt naar opvallende overeenkomsten tussen de plaatjes, en bespaart zo een hoop ‘dubbel’ rekenwerk.

De verklaring van de wiskundige achtergrond is tamelijk summier, maar maakt duidelijk dat de auteurs gebruik maken van Bayesiaanse wiskunde om niet alle mogelijkheden te hoeven uitrekenen maar alleen degenen die het meest waarschijnlijk lijken.

Of CryoSPARC echt zo goed is als ze claimen moet worden afgewacht. Maar de in de publicatie getoonde resultaten zien er in elk geval indrukwekkend uit.

bron: University of Toronto