RELION3チュートリアル

提供: Eospedia
2019年2月8日 (金) 01:47時点におけるDaimontakumi (トーク | 投稿記録)による版

移動: 案内検索

RELION3

1 前処理

1.1 解析の準備

私たちはプロジェクトごとに、すなわち構造解析したいものごとに一つのディレクトリを作成することをお勧めします。これをプロジェクトディレクトリと呼びます。プロジェクトディレクトリからRELION GUIを毎回起動することは重要です。プロジェクトディレクトリの中にすべての未加工の顕微鏡写真や顕微鏡動画をMRC形式かTIFF形式で保存するための別のディレクトリを作成してください。もしすべての動画が一つのディレクトリにある場合には、このディレクトリをMovies/とした方が好ましいでしょう。また、異なるディレクトリにある場合(例えば、違う日に集めたもの)には、Movies/15jan16またはMovies/23jan16とするといいでしょう。もし何か理由があり、RELIONのプロジェクトディレクトリの中に顕微鏡写真を入れたくない場合は、プロジェクトディレクトリの中に顕微鏡写真が保存されているディレクトリとのシンボリックリンクを作成することができます。

単一画像の顕微鏡写真にはmrc拡張子を、動画にはmrc、mrcs、tiff拡張子をつけることができます。チュートリアルのデータを解凍したとき、プロジェクトディレクトリ(Movies/)は作成されています。このディレクトリは、TIFF形式に圧縮された24つの動画、gain.mrc、実験の情報を含んだNOTESファイルが含まれています。

RELIONを起動してみましょう。前述のように、RELIONは常にプロジェクトディレクトリからの起動が必要です。エラーを防ぐために、RELIONは新しいディレクトリを初めて起動したときに確認を要求します。その為、新しいディレクトリで初めてRELIONを起動するときは、バックグラウンドで起動するための&の文字を使うべきではありません。プロジェクトディレクトリの中にいることを確認し、入力でRELIONを起動します。

relion 

そして新しいRELIONプロジェクトを作動するために“y“と答えます。 最初にすることとして、パイプラインの中に録画した顕微鏡動画の取り込みを行います。 job-typeブラウザから”Import”を選択し、以下のパラメータを埋めます。

●Input files: Movies/*.tiff   
●Node type: 2D micrograph movies   

これを行うことで、Current job: Give_alias_hereという空欄に効果的なaliasを規定すrことができます。[Run now!]ボタンをクリックし、job起動します。Import/job001というディレクトリが作成され、Import/moviesというこのディレクトリへのシンボリックリンクが一緒に作成されます。STARファイルとすべての動画が新しいディレクトリの中に作成されます。中を見てみましょう。

 less Import/job001/movies.star

もし違うソフトウェアで粒子を抽出した場合は、後述の事前処理を行う代わりに、STARファイルや3次元レファレンス、3次元マスクなどを取り込むために“Import”job-typeを使用してください。これについてはRELIONを使用する際の責任は取りません。また、ユーザーは正しいSTARファイルの生成に責任を取ってください。

1.2 電子線により誘起される画像の動きの補正

Motion correction job-typeは便利な全体フレーム動画の調整のためのUCSF MOTIONCOR2[21]ラッパーを規定します。あるいは、バージョン3.0以降はMOTIONCOR2と同じアルゴリズムであるRELION独自の実装を使用することもできます。RELION独自の実装はCPU でのみの実行となるので注意してください。[I/O]タブで設定をします。

 ●Input movies STAR file: Import/movies/movies.star

([Browse]ボタンで参照できるファイルは、STAR形式の動画ファイ ルのみです。)

 ●First frame for corrected sum: 1
 ●Last frame for corrected sum: 0

(これはすべての動画フレームに使用する際の結果です。)

 ●Pixel size(A) 0.885
 ●Voltage (kV) 200
 ●Dose per frame (e/A2) 1.277
 ●Pre-exposure (e/A2) 0
 ●Do dose-weighting? Yes
 ●Save non-dose-weighted as well? No

(いくつかの非用量加重顕微鏡写真にはCTF推定を行う方がよいで しょう。ディスク容量を節約するために、データが非常に良いの でこのオプションは使用しません。)

[Motioncor2]タブは以下のように入力します。

 ●Bfactor: 150

(超高解像度動画ではより大きい価値を使用します。)

 ●Number of patches X,Y  5 5
 ●Group frames: 1
 ●Binning factor: 1

(超高解像度動画ではたいてい2を使用します。)

 ●Gain-reference image: Movies/gain.mrc

(これは、オンザフライでのgain-reference補正用のgain- referenceファイルを規定するために使用できます。これらの動 画はまだgain補正されていないので、この場合には必要です。)

 ●Defect file:

(これは検出器上の壊れたピクセルを隠すために使用することがで きます。)

 ●Gain rotation: No rotation (0)
 ●Gain flip: No flipping (0)

(gain-reference画像はこのデータセットのために既に補正されて います。)

 ●Use RELION’s own implementation?  Yes

(これによって、UCSF実装をインストールする必要性が少なくなり ます。どちらにせよ、UCSFプログラムをインストールしている場 合は、それを使用することもできます。その場合、以下のオプシ ョンも入力する必要があります。)

[Running]タブは以下のように入力します。

 ●Do dose-weighing?  Yes
 ●Voltage (kV) 200
 ●Dose per frame (e/A2) 1.277
 ●Pre-exposure (e/A2) 0

このプログラムの実行には手頃な12スレッドの最新機器を用いればおおよそ5分かかります。MOTIONCOR2アルゴリズムのRELION独自の実装はGPUでは使用しないことに注意してください。しかしそれはマルチスレッドです。各スレッドは独立して動画フレーム場で動作するので、動画フレームの数をスレッドの数で割った数が整数になるように、いくつかのスレッドを使用することが最適です。これらの動画は24フレームあるので、12スレッドを使用すると各スレッドで2フレームが処理されます。[Run now!]ボタンの下の[Display:]ボタンからout:logfile.pdfを選択することで、推定された電子線によって誘起された変化を見ることができます。または、out:corrected_micrographs.starを選択することで、値が合計された顕微鏡写真を見ることができます。スクリーンサイズに依存して、見やすいように、顕微鏡写真(Scale:0.3)を縮小し、Sigma contrast:3を使い、見やすい数のコラム(例として、Number of columns:3)にするべきです。[Display:]ボタンから表示したときから顕微鏡写真は選択できないことに注意してください。もし、取り除きたい顕微鏡写真がある場合(今回はすべていい画像なので削除しないだろうが)は[Subset selection]job-typeが使用できます。

1.3 CTF推定

次に、それぞれ補正した顕微鏡写真からCTFの値を推定します。速度の為Kai ZhangのGCTFのためのラッパーとして[CTF estimation]job-typeにします。適切なGPUがない場合、Alexis RohouとNiko GrigoreffのCTFFIND4.1を使用することができます。[I/O]タブで、[Motion correction]jobのcorrected_micrographs.starファイルを選択するために[Browse]ボタンを使用します。また、他のタブは以下のように入力します。

I/Oタブにおいて

 ●Use micrograph without dose-weighting? No

(これらは重み付けされたものよりも良いThon ringsを持っているが、書き出さないことを前のステップで決めました。)

 ●Sperical aberration (mm): 1.4

(顕微鏡メーカーがこの値を提供してくれています。)

 ●Voltage (kV): 200
 ●Amplitude contrast: 0.1

(強度コントラストはほとんどないことが知られていますが、約10%の値を与えることで、多くの構造の結果がよくなることが示されています。これは低周波数の弱い散乱がモデル化されていないからです。)

 ●Magnified pixel size (A): 0.885

(これらはピクセルサイズ0.885Aのもとの動画です。)

 ●Amount of astigmatism (A): 100

(範囲が適切に調整されていれば、この値は多くのデータセットに適しています。)

Searchesタブにおいて、CIFFINDの一般的な値を設定します(正確な意味については、Nikoのドキュメンテーションを参照してください)。これらの設定は、GCTFを使用する場合には無視してください(デフォルトで、これをオフに切り替えることができるが)。

 ●FFT box size (pix): 512
 ●Minimum resolution (A): 30
 ●Maximum resolution (A): 7.1
 ●Minimum defocus cvalue (A): 5000
 ●Maximum defocus cvalue (A):50000
 ●Defocus step size (A): 500
 ●Amount of astigmatism (A): 100
 ●Estimate phase shifts  No

(これはphase-plateデータだけに役に立つ) GCTFを使用する場合はCTFFIND-4.1タブを無視してください。逆にGCTFを使用しない場合はCTFFIND-4.1タブウィ使用してください。今回の例として、GCTFを使用し、Getfタブを設定します。

 ●Use Gctf instead? Yes
 ●Gctf executable:  /wherever/it/is/Gctf

(環境変数である$RELION_CTFFIND_EXECUTABLEと$RELION_GCTF_EXECUTABLEは対応するプログラムのGUIエントリのデフォルト値を制御するために使用されます。)

 ●Ignore ‘Searches’ parameters? Yes

(GCTFにSearchesタブのパラメーターを渡すにはこれを’No’に設定します。デフォルトでは、これらの値は無視され、GCTF独自のデフォルトが使用されます。)

 ●Perform equi-phase averaging? Yes

(これによりThon ringのSNRが向上します。)

 ●Other Gctf options:
 ●Which GPUs to use: 0

(この小さいデータセットには1GPUで十分でしょう。)

マシンに応じて、複数のMPI処理を使用してプログラムを実行することができます。1プロセッサーとGPUのみを使用すると、動作はGCTFを使用すると31秒かかります。いったん動作が終わると、出力のCtfFind/job003/Moviesという出力ディレクトリの中にそれぞれの顕微鏡写真ごとに追加ファイルができます。.ctfファイルは算出されたパワースペクトルと適合したCTFモデルのMRCフォーマットの画像を含んでいます。.logファイルはCTFFINDかGCTFからの出力を含んでいます(CTFFINDを使用した場合のみ、.comファイルはCTFFINDを起動するために使用したスクリプトを含んでいます)。 Display:ボタンを使用してout:micrographs_ctf.starを選択すると、すべてのThon ring画像を見ることができます。実験の画像のThon rings間の0はモデルの0と一致するはずです。デフォーカス、最高分解能や性能指数などの順番の表示を並べ替えることができます。log.pdfファイルにはすべての顕微鏡写真に対する、デフォーカス、非点収差、推定解像度などの有用なパラメータのプロットとデータセット全体のヒストグラムが含まれています。データ収集における問題点を見つけ出すのに役に立ちます。  もしCTFモデルが実験のThon ringに十分に一致していない場合、それらの顕微鏡写真の.logファイルを削除して、Finished jobsリストからCtfFind/job003を選択し、parameter-panel の値を修正し、Continue nowボタンをクリックすることでjobを再実行することができます。存在しない.logファイルの顕微鏡写真のみが再処理されます。すべてのCTFモデルが十分に一致するまで実行できます。もしこれでも実行できないまたは、不十分なThon ringがあり顕微鏡写真を削除すると決めた場合、Subset selection jobタイプで破棄することができます。

1.4手動粒子抽出

次のManual picking jobタイプでは(平均化された)顕微鏡写真の「粒子座標」を手動で選択して使用します。自分たちのデータをより理解できるように少なくとも複数の顕微鏡写真を選択するのがよいでしょう。選択した粒子を使用して、参照なしの2Dクラス平均を計算し、その後、これらの粒子は全データセットの粒子を自動検出するためのテンプレートになります。しかしRELION3.0以降は、Laplacian-of-Gaussian(LoG)フィルターに基づく参照なしの自動抽出手順が含まれています。これまでにテストされたほとんどの場合、この手順は適切な開始座標を提供してくれるので、Manual pickingステップは飛ばすことができます。relion_it.pyスクリプトはこの機能を使用して、完全に自動化されたオンザフライ処理を実行します。このチュートリアルでは、説明のためにManual picking jobを起動し、その後LoGベースのAuto-pickingを継続して最初の粒子セットを細分化します。  手動粒子検出は経験あるのみです!RELIONで手動で粒子の検出をするのが好きでなければ、Jude ShortのXIMDISP[17](任意の拡張子付きで)、XMIPP-2.4[16](任意の拡張子付きで)、Steven LudtkeのE2BOXER.PY[18](.boxの拡張子付きで)の座標形式ファイルもサポートしています。もしこれらを使用する場合、顕微鏡写真(動画)を取り込んだディレクトリと同じディレクトリにテキストファイルとしてまとめた座標ファイルを保存してください。そして、同じ顕微鏡写真のルートネームは異なる(suffix+)拡張子で保存されていることを確認してください。例えば、顕微鏡写真がMovies/006.mrcの時、Micrographs/006.boxやMicrographs/006_pick.starとなります。Import jobタイプを使用し、Node type:を2D/3D particle coordinatesに設定してください。Input Files:の欄に整理されたファイルのsuffix拡張子に従ってlinux wildcardが含まれていることを確認してください。上記の例だと、それぞれMovies/*.boxやMovies/*_pick.starになります。  Manual picking jobタイプのI/OタブではCtfFind/job003に作成されたmicrographs_ctf.starファイルを選択するためにBrowseボタンを使用して、Colorsタブは無視して、Displayタブは下のように入力します。

 ●Prticle diameter (A): 200

(これは単に顕微鏡写真に表示された円の直径を調節します。)

 ●Scale for micrographs: 0.25

(これは画面サイズによります。)

 ●Sigma contrast: 3

(顕微鏡写真はほとんど最適な”sigma-contrast”で表示されています。黒が標準偏差の3倍低く、白が標準偏差の3倍高くなります。グレースケールは黒から白へ直線的に変化します。詳細はDisplayImages entry on the RELION wikiを参照してください。)

 ●White value: 0

(どの値を白にするか手動で設定してください。これが動作するには、Sigma contrastは0に設定されるべきです。)

 ●Black value: 0

(どの値を黒にするか手動で設定してください。これが動作するには、Sigma contrastは0に設定されるべきです。)

 ●Lowpass filter (A):20

(ノイズのひどい顕微鏡写真の粒子をより見やすくするための動作です。)

 ●Highpass filter (A): 0

(これは顕微鏡写真上の濃淡のグラデーションを取り除くのに役立ちます。)

 ●Pixel size: 0.885

(これは粒子の直径や、low-pass filterとhigh-pass filterの計算に必要です。)

 ●Scale for CTF image:1

(これは単にそれぞれの顕微鏡写真のCTFボタンをクリックしたときにThon ring画像がどれくらい大きくなるのか調節します。) Run now!ボタンをクリックすることでjobが実行され、必要に応じていくつかの粒子をクリックしてください。しかし、次のセクションではLoGベースの自動抽出を使用するので、必要でなければ選ぶことはありません。最初の[2D classification] jobに手動抽出した粒子を使用する場合は、適切なクラス平均を計算するために約500~1000個の粒子が必要になります。左クリックで選択、中クリックで選択された粒子の削除、右クリックで座標を保存する必要があるポップアップメニューが表示されます。Continue nowボタンをクリックし、Finished jobsからManualPick/job004を選択することによって、いつでもメニューから保存した座標のSTARファイルに戻ることができます(ポップアップメニューの座標を使用してSTARファイルを保存した場合)。

1.5 LoGベース自動選択

今回は、Laplacian-of-Gaussian(Log)フィルタに基づくテンプレートフリーの自動抽出の手順を使用して、最初の粒子セットを選択して下さい。その後、それらの粒子は[2D classification]jobで使用され、2番目の[Auto-picking]jobのテンプレートが生成されます。初期段階では多くの粒子を必要としないので、最初の3枚の顕微鏡写真に対してのみLoGべーすの自動抽出を実行します。一般的に、可能な限り良いテンプレートを得るために、おそらく使用可能なすべての顕微鏡写真に対してLoGベースの抽出を実行します。しかし、今回はこのチュートリアルの計算速度を上げるためにいくつかの顕微鏡写真のみを使用します。  最初にいくつかの顕微鏡写真を選択するために、[Subset selection]jobに移動し、I/Oタブで下を除くすべての空欄をままにします。

 ●OR select from picked cords: ManualPick/job004/cords_suffix_manualpick.star

(手動抽出で座標を保存したときに生成されます。今回は座標を使用するつもりはなく、顕微鏡写真のサブセットセレクションを行うためにそのjobを使用しているだけです。)

このjobにはalias 5micsを使用しました。Run!ボタンを押し、[Manual picking]jobと同じポップアップウィンドウを再び押すと、すべてのpickとCTFボタンが表示されます。‘File’メニューを使用して‘Invert selection’:最初の5枚の顕微鏡写真の前にあるチェックボックスをクリックして選択します。その後、‘File’メニューを再び使用して‘Save selection’を選択します。これで、ManualPick/job004/micrographs_selected.starというファイルができ、これを下記の[Auto-picking]jobに使用します。 その後、[Auto-picking]jobを処理し、I/Oタブの設定を行います。

 ●Input micrographs for autopick: Select/job005/micrographs_selected.star
 ●Pixels size in micrographs (A)  -1

(ピクセルサイズは入力STARファイルの中の情報から自動的に設定されます。)

 ●2D references:

(テンプレートフリーのLoGベースの自動抽出では空欄のままにします。)

 ●OR: provides a 3D reference?  No
 ●OR: use Laplacian-of-Gaussian?  Yes

Laplacianタブの設定をします。

 ●Min. diameter for loG filter (A)  150
 ●Max. diameter for loG filter (A)  180

(これは粒子投影のオングストロームの最小最大のサイズに対応します。)

 ●Are the particles white?  No

(黒です。)

 ●Maximum resolution to consider  20

(ここはデフォルト値のままでいいです。)

 ●Adjust default threshold  0

(正の値、すなわち閾値はより少ない粒子を選び、負の値もより少ない粒子を選んでください。有用な値は、おそらく[-1,1]の範囲ですが、多くの場合デフォルト値の0は正しい働きをします。)

 Referencesタブは無視して、autopickingタブの最初の四つのオプションは無視してください。下記のように設定してください。

 ●Write FOM maps?  No

(これは下のテンプレートベースの抽出で使用されます。)

 ●Read FOM maps?  No

(これは下のテンプレートベースの抽出で使用されます。)

 ●Shrink factor:  0

(縮小を0に設定すると、自動抽出プログラムは参照上のローパスフィルタの解像度に合わせて顕微鏡写真を縮小します。これはすごく早くなり、必要なメモリが少なくなるため、このチュートリアルを素早く実行するのに便利になります。0と1の間の値は顕微鏡写真のサイズの少数で表されるでしょう。これは縮小で1を使用するよりも正確な抽出が少なくなること、つまり縮小がないことに注意してください。この新しいパラメータの詳細は、次のサブセクションで説明します。)

 ●Use GPU acceleration?  No

(計算速度がとても速いので、LoGベースの自動抽出はGPU加速されていません。)

 ●Which GPUs to use:

 Helixタブを無視して、Running tabで単一MPIプロセッサを使用して実行します。もしかするとLoG_basedのようなaliasが有用かもしれません。単一プロセッサを使用すると、これらの計算は、私たちのコンピュータでは約40秒かかります。  Display:ボタンのcoords_suffix_autopickオプションをクリックすることで結果をチェックすることができます。この段階で表示されるポップアップウィンドウで手動で粒子を追加/削除できます。さらに、autopickingタブのノイズの標準偏差と平均のパラメータやLaplacianタブのデフォルトの閾値の調節をしている間、新しいjobを実行して、より多くの、またはより少ない粒子を抽出することができます。しかし、この段階では、単に2回目のauto-picking jobのテンプレート作成のための最初の粒子セットなので、多くの場合これは必要ないでしょう。








11 まとめ

11.1 フローチャートの作成

どのようにして最終的な再構築をするか気になるでしょう。Finished jobリストから実行した最後の動作を選択し、Job actionsボタンからMake flowchartオプションを試してください。これを実行するためにはシステムにLATEXTikZパッケージが必要となります。最初の項は正確な作業名のないフローチャートの全体像です。これは、出版目的に役立つでしょう(おそらくお気に入りのvector-based designプログラムの編集後に)。フローチャートの全体像の後に、最初の詳細なフローチャートにどのようにして終了するかが示されています。10ステップ以上からなるフローチャートは複数の構成要素に分けられることに注意してください。作業中に複数枝分かれすることがあるでしょう。それ故に、最終作業のフローチャートに従って、それぞれの分岐についてフローチャートがあるでしょう。リンクをクリックすることでPDFファイルから合致する位置を得ることができます。

11.2 ディレクトリのクリーンアップ

ディスクの空間を確保するために、RELIONは作業ディレクトリをクリーンアップするオプションを持っています。これには2つのモードがあります。gentleクリーンは作業ディレクトリから中間ファイルのみを削除します。harshクリーンは作業からのインプットを必要とする新たな作業を開始するのに必要なファイルを削除します。例えば、harshクリーンはMotion Corr作業から平均化された、あるいはParticle extraction作業から少量のスタックを抽出された顕微鏡写真を削除します。一方、gentleクリーンは2D classification, 3D classificationあるいは3D auto-refine作業の中間反復からすべてのファイルを削除します。Job actionsボタンから個別に作業をクリーンアップすることができます。あるいは、GUIのトップメニューから下がった、Jobsからすべての作業をクリーンアップすることができます。私たちは計算前の結果に頭を悩ませていたプロジェクトディレクトリのtarballを作る前にそのメニューからGently clean all jobsオプションを使いました。長期間保存されていたデータを取る前にプロジェクトディレクトリをクリーンアップしたいでしょう。

11.3 質問や引用

以上です!このチュートリアルを楽しんで、そして役に立つことを願います。もしRELIONについて質問があれば、初めにRELION WikiFAQCCPEMメーリングリストを確認してください。それが助けにならなければ、CCPEMリストを利用して質問してください。お願いですから、決してSjorsに直接メールを送信しないでください。質問全てに返答できるわけではありません。もしRELIONが利用者の研究に有益であると思ったら私たちの論文を引用し、あなたの研究仲間たちに伝えてください。

11.4 参考文献

RELIONの手順の改善を支持した理論の詳細は以下の論文で述べられています。

  • S.H.W. Scheres (2012) “RELION: Implementation of a Bayesian approach to cryo-EM structure determination” J. Struc. Biol., 180, 519-530.
  • S.H.W. Scheres (2012) “A Bayesian view on cryo-EM structure determination” J. Mol. Biol., 415, 406-418.

RELIONの使い方に関する包括的な概観は以下の論文に述べられています。

  • S.H.W. Scheres (2016) “Processing of structurally heterogeneous cryo-EM data in RELION” Meth. Enzym., 579, 125-157.


12 付録 A:インストールの注意

12.1 MPIのインストール

MPI(message passing interface)がインストールされた計算機クラスター、もしくはNVIDIA GPU搭載のマルチコアデスクトップマシンが必要になることに注意してください。RELIONをコンパイルするには、mpi-develパッケージが必要です。おそらく存在する種類(MPICH, LAM-MPI, etc)またはバージョンはそれほど重要ではありません。まだシステム内にmpi-develをインストールしてなければ、openMPIをインストールすることをお勧めします。

12.2 CUDAのインストール

NVIDIAの比較的新しいGPU(compute capability 3.5+以上)を持っている場合、オートピッキング、分類、精密化作業を高速に実行できます。GPU-accelerationサポートを含むRELIONをコンパイルするには、CUDAをインストールする必要があります。このチュートリアルの準備にはCUDA-8.0を使用しました。NVIDIAのWebサイトからダウンロードしてください。

12.3 RELIONのインストール

RELIONはオープンソースのソフトウェアです。the RELION wikiから無料でダウンロードして、手順に従ってインストールしてください。もし、job submission system(Sun Grid EngineやPBS/TORQUE etc)に詳しくない場合は、インストール手順の説明にあるように、qsub.cshスクリプトの設定に関して、システム管理者にお尋ねください。分散メモリ並列化のためのMPIと、共用メモリの並列化のためのpthreadsの両方を使用する、いわゆるハイブリッド並列計算を実行したいときは注意してください。ジョブキューイングシステムはこれを可能とするためにいくつかの調整が必要な場合があります。再度、システム管理者にお尋ねください。

12.4 モーション補正ソフトウェアのインストール

RELION-3.0は全フレーム顕微鏡写真ムービーアライメントに使用される、UCSFプログラムMOTIONCOR2へのラッパーを提供します。Dabid Agardのページからプログラムをダウンロードし、インストールの手順に従ってください。また、RELIONの保有する、MOTIONCOR2の実行を使うかもしれません。なので、もし、UCSF実行をインストールするのに問題が発生しても心配しないでください。バージョン3.0において、Nico grigorieff’s groupからUNBLURへのラッパーはGUIから中止されていることに注意してください。

12.5 CTF推定ソフトウェアのインストール

CTF推定はRELIONに含まれていません。代わりに、RELIONはAlexis RohouやNiko Grigorieff’s CTFFIND4へのラッパーを提供します。Niko’s CTFFIND websiteからダウンロードし、手順に従ってインストールしてください。また、もし、パソコンにNVIDIA graphics card(GPU)が入っているならKai Zhang’s GCTFを使うこともできます。その際は、LMBに関するKaiのWebサイトからダウンロードしてください。

12.6 RESMAPのインストール

局所分解能推定はRELIONが所有するポストプロセッシングプログラムの中、あるいはAlp KucukelbirのRESMAPへのラッパーを通して実行される。AlpのRESMAP Webサイトからダウンロードし、手順に従ってインストールしてください。