RELIONチュートリアル - 変更履歴

2017年6月1日 (木) 19:38にTacyasによる

2017-06-01T19:38:03Z

2017年4月25日 (火) 02:22にTacyasによる

2017-04-25T02:22:55Z

Tacyas: /* 脚注 */

2017-04-02T21:21:18Z

‎脚注

Tacyas: /* 3.1 Getting organised (解析の準備) */

2017-04-02T21:18:25Z

‎3.1 Getting organised (解析の準備)

Tacyas: /* 9 Moving-processing & particle polishing */

2017-03-20T01:48:56Z

‎9 Moving-processing & particle polishing

Tacyas: /* 9.4 Re-refine the polished particles(磨かれた粒子の精密化) */

2017-03-20T01:32:42Z

‎9.4 Re-refine the polished particles(磨かれた粒子の精密化)

Tacyas: /* 8 Local-resolution estimate(ローカル解像度推定) */

2017-03-20T01:25:42Z

‎8 Local-resolution estimate(ローカル解像度推定)

Tacyas: /* 7 Mask creation & Postprocessing（マスク作成＆後処理） */

2017-03-20T00:24:38Z

‎7 Mask creation & Postprocessing（マスク作成＆後処理）

Tacyas: /* 6 High-resolution 4D refinment */

2017-03-20T00:10:35Z

‎6 High-resolution 4D refinment

2017年3月19日 (日) 23:46にTacyasによる

2017-03-19T23:46:05Z

差分を表示

←前の版		2017年6月1日 (木) 19:38時点における版
行2:		行2:

	ここに示したものは、Relion2のTutorialをDr. Scheresに許可を得て、日本語訳を行ったものを元にし、それに注釈等を加えたものです。誤訳等がある場合には、ご連絡頂けますと幸いです。少しずつ、良いものにしたいと思います。		ここに示したものは、Relion2のTutorialをDr. Scheresに許可を得て、日本語訳を行ったものを元にし、それに注釈等を加えたものです。誤訳等がある場合には、ご連絡頂けますと幸いです。少しずつ、良いものにしたいと思います。
		+
		+	＠http://www.yasunaga-lab.bio.kyutech.ac.jp/EosJ/index.php?title=RELIONチュートリアル

	== 1 Getting prepared(準備) ==		== 1 Getting prepared(準備) ==

@@ 行310: / 行310: @@
   ● Minimun resolution(A): 30
 （利用する最低分解能（低周波側にあるノイズはCTFの推定に悪い影響を与えます））
-  ● Maximun resolution(A): 7.1
+  ● Maximum resolution(A): 7.1
 （利用する細高分解能（今回はナイキスト周波数））
-  ● Minimun defocus cvalue(A): 5000
+  ● Minimum defocus cvalue(A): 5000
 （想定している最小デフォーカス）
   ● Maximun defocus cvalue(A): 50000
@@ 行445: / 行445: @@
 (このオプションはRELION外でデータを事前処理した場合にのみ有効です。)
   ●Ignore CTFs until first peak? No
-(振幅補正によって低解像度成分が誤って強く与えられ、全ての粒子が非常に少ない呆けたクラスに分類されるような場合には、このオプションが役立ちます。)
+(振幅補正によって低解像度成分が誤って強く与えられ、全ての粒子が非常に少ないぼけたクラスに分類されるような場合には、このオプションが役立ちます。)
 [[ファイル:relion-2Dclass-CTF.png|500px]]

@@ 行1,201: / 行1,201: @@
 <span id="ref18">[18]</span> Kai Zhang. Gctf: Real-time CTF determination and correction. Journal of Structural Biology, 193(1):1–12, January 2016.
 == 脚注 ==
 {{Reflist}}

@@ 行205: / 行205: @@
 プロジェクト毎、すなわち、解析したい構造ごとに一つのディレクトリを作ることをお勧めします。これをprojectディレクトリと呼ぶことにします。'''projectディレクトリからRELIONを起動することが重要です。'''project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形式で保存するための別ディレクトリを作ってください。例えば、すべての顕微鏡写真がひとつのディレクトリにある場合は、通例ではディレクトリをMicrographs/にします。また、異なるディレクトリにある場合(例えば、違う日に収集した顕微鏡写真)はMicrographs/15jan16/やMicrographs/23jan16/などにすると良いでしょう。もし何らかの理由でRELIONのprojectディレクトリの中に顕微鏡写真を入れたくない場合は、project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してください。
-単一像の顕微鏡写真には.mrc拡張子を、動画には.mrcs拡張子をつけてください。単一像顕微鏡写真の代わりに動画を集めた場合、それらを直接使用できます。別のプログラムで動画の平均を計算し、さらに顕微鏡写真と動画の平均を両方とも使用したい場合、動画のファイル名は顕微鏡写真の平均と同じルートネームにするべきです。つまり、顕微鏡写真の平均のファイルの後に”_”と、動画のルートネーム、.mrcs拡張子をつけます。例えば、顕微鏡写真の平均がmic001.mrcの場合、一致する動画はmic001_movie.mrcsとしてください(動画のルートネームはmovie)。
+単一像（静止画）の顕微鏡写真には.mrc拡張子を、連続スタック像（動画）には.mrcs拡張子をつけてください。単一像顕微鏡写真の代わりに動画を集めた場合でも、それらを直接使用できます。別のプログラムで動画の平均を計算し、さらに、ポリッシングなどの過程で、顕微鏡写真と動画の平均を両方とも使用したい場合、動画のファイル名は顕微鏡写真の平均と同じルートネームにするべきです。つまり、顕微鏡写真の平均のファイルの後に、動画を表現する”_movie"と、スタックファイルを意味する".mrcs"拡張子をつけます。例えば、顕微鏡写真の平均がmic001.mrcの場合、一致する動画はルートネームであるmic001に対して、mic001_movie.mrcsとしてください(動画を表現するのは_movie)。
 チュートリアルのテストデータを解凍した時、projectディレクトリ(betagal/)と、記録されたすべての顕微鏡動画と一致するbetagal/Micrographsディレクトリはすでに作成されています。projectディレクトリに行き、以下の入力をすると、どのくらい顕微鏡動画があるか分かります。

@@ 行1,029: / 行1,029: @@
 === 9.1 Getting organized(準備) ===
-[[#3.2_Beam-induced_motion_correction.28.E9.9B.BB.E5.AD.90.E7.B7.9A.E3.81.AB.E3.82.88.E3.82.8A.E8.AA.98.E8.B5.B7.E3.81.95.E3.82.8C.E3.82.8B.E7.94.BB.E5.83.8F.E3.81.AE.E5.8B.95.E3.81.8D.E3.81.AE.E8.A3.9C.E6.AD.A3.29|3.2]]で説明したように、RELIONパイプラインを通して誘導電流でモーション補正を実行しているなら、全ての設定が既に終わっている状態です。RELONでの作業以外で、モーション補正を行った場合は、最初にインポートした顕微鏡写真と同じディレクトリ内(このチュートリアルではMicrographs)に全ての（補正した）動画を置く必要があります。このディレクトリ内で、以前粒子を選択して平均化した顕微鏡写真と同じrootnameで動画が呼び出されているかを確認してください。例えば今回はrootnameが"movie"なので、mic001.mrcのムービーはmic001_movie.mrcsとして呼び出されます。[Import]jobを使って動画を取り込んでください。また、2D micrograph moviesオプションを選択してください。
+[[#3.2_Beam-induced_motion_correction.28.E9.9B.BB.E5.AD.90.E7.B7.9A.E3.81.AB.E3.82.88.E3.82.8A.E8.AA.98.E8.B5.B7.E3.81.95.E3.82.8C.E3.82.8B.E7.94.BB.E5.83.8F.E3.81.AE.E5.8B.95.E3.81.8D.E3.81.AE.E8.A3.9C.E6.AD.A3.29|3.2]]で説明したように、RELIONパイプラインを通して、電子線に誘導されたモーションの補正を実行しているなら、全ての設定が既に終わっている状態です。RELONでの作業以外で、モーション補正を行った場合は、最初にインポートした顕微鏡写真と同じディレクトリ内(このチュートリアルではMicrographs)に全ての（補正に利用した）動画を置く必要があります。このディレクトリ内で、以前粒子を選択して平均化した顕微鏡写真と同じrootnameで動画が呼び出されているかを確認してください。例えば今回はrootnameが"movie"なので、mic001.mrcのムービーはmic001_movie.mrcsとして呼び出されます。[Import]jobを使って動画を取り込んでください。また、2D micrograph moviesオプションを選択してください。
-また後ほど、動画-粒子の標準化は動画となった元の顕微鏡写真ごとの平均だと仮定されています。これがあなた自身のデータではない場合、全体の画像処理を開始する前に、relion_image_handlerプログラムを使用して、任意の数の動画フレームから顕微鏡写真の平均を計算することができます。
+また後ほど、動画-粒子の標準化は動画となった元の顕微鏡写真ごとの平均だと仮定されています。これがあなた自身のデータではそうではない場合、全体の画像処理を開始する前に、relion_image_handlerプログラムを使用して、任意の数の動画フレームから顕微鏡写真の平均を計算することができます。
 === 9.2 Movie refinement（動画修正）===
-[Movie refinemen]jobは、動画フレームから粒子を抽出し、それらを3次元モデルに対応させる、この二つの処理を組み合わせて行います。
+【Movie refinement】jobは、動画フレームから粒子を抽出し、それらを3次元モデルに対応させる、この二つの処理を組み合わせて行います。
 【I/O】タブの設定：
-  • Input movies STAR file: MotionCorr/job002/corrected micrograph movies.star
+  • Input movies STAR file: MotionCorr/job002/corrected_micrograph movies.star
   • Rootname of movies files: movie
 (これらの動画のファイル名は_movie.mrcsで終わるためです。)
-  • Continue 3D auto-refine from: Refine3D/after first class3d/run it020 optimiser.star
+  • Continue 3D auto-refine from: Refine3D/after_first_class3d/run it020 optimiser.star
-−
 ([3D auto-refine]を実行後、含まれていた粒子のみ動画から抽出されます。これは、relion-1.4でのmovie-particle抽出とは大きく異なっています。
   • Process micrographs in batches of: -1
 (relion-2.0には、大きな動画データセットを処理する際に計算が不安定になることがあることが分かっているため、顕微鏡動画をより小さなバッチで処理するオプションがあります。このテストデータセットには15個のムービーのみが含まれており、バッチ処理は不要であるため、-1の値が使用されます。大きなデータセットの場合、50-100のバッチで顕微鏡写真を処理するのが通例です。)
@@ 行1,061: / 行1,061: @@
 (このjobの第一ステップでは、動画粒子の抽出はI/Oディスク上で非常に集中します。
 したがって、動作のこの部分で多数のMPI processes使用するのは効率的ではない可能性があります。【Running】タブ上で、与えられたMPI processes数にかかわらず、ここでは与えられた数より多くのProcessesを使うことはないでしょう。我々のクラスタでは、8がいいでしょう。)
   • Particle box suze (pix): 100
-([Particle extraction]jobで以前使用したサイズと同じか確認してください。)
+(【Particle extraction】jobで以前使用したサイズと同じか確認してください。)
   • Invert contrast? Yes
-([Particle extraction]jobの時と同じものを使用してください)
+(【Particle extraction】jobの時と同じものを使用してください)
   • Rescale particles? No
-([Particle extraction]jobの時と同じものを使用してください)
+(【Particle extraction】jobの時と同じものを使用してください)
 【normalise】タブの設定：
   • Normalize movie-particles? Yes
   • Diameter background circle (pix): 60
-([Particle extraction]jobの時と同じものを使用してください)
+(【Particle extraction】jobの時と同じものを使用してください)
   • Stddev for white dust removal: -1
@@ 行1,095: / 行1,096: @@
 毎回、同じ動画抽出ステップを繰り返さないためにするためには、【Continue now】ボタンを使用して、同じ出力ディレクトリに対応するファイル名を持つ別のファイルを選択してください。
-=== 9.3 Particle polishing (粒子の洗練) ===
+=== 9.3 Particle polishing (粒子の洗練（研磨）) ===
-粒子のpolishingアルゴリズムは、MovieRefine/first3dref/run_avg7_off1_data.star から（おそらく非常にノイズの多い）移動軌跡(movement tracks)を取得し、それを利用して直線になるように適合させます。これらのトラックのノイズを更に減らすために、顕微鏡写真上の隣接する粒子がしばしば同様の方向に移動するという観測も利用します。これは、複数の隣接する粒子のトラックを一緒に評価することによって行われる。ここで、各粒子のその隣接トラックへの寄与は、粒子間距離のガウス関数によって決定される。このガウス分布の(ピクセルの)標準偏差は、ユーザによって決まります。第2のステップでは、polishingアルゴリズムは、Bファクターおよび線形強度ファクタを推定して、個々のムービーフレームにおけるシグナルの解像度依存パワーを記述する。このように、解像度に依存する放射線ダメージは、各粒子のすべての整列ムービーフレームの加重平均を行うことによりモデル化することができます。得られる粒子は、シグナル対ノイズ比が増加するので、"polished"または"shiny"だと言われます。
+粒子のpolishingアルゴリズムは、MovieRefine/first3dref/run_avg7_off1_data.star から（おそらく非常にノイズの多い）移動軌跡(movement tracks)を取得し、それを利用して直線になるように適合させます。これらのトラックのノイズを更に減らすために、顕微鏡写真上の隣接する粒子がしばしば同様の方向に移動するという観測も利用します。これは、複数の隣接する粒子のトラックを一緒に評価することによって行われる。ここで、各粒子のその隣接トラックへの寄与は、粒子間距離のガウス関数によって決定される。このガウス分布の(ピクセルの)標準偏差は、ユーザによって決まります。第2のステップでは、polishingアルゴリズムは、Bファクターおよび線形強度ファクタを推定して、個々のムービーフレームにおけるシグナルの解像度依存パワーを記述する。このように、分解能に依存する電子線ダメージは、各粒子のすべての位置合わせしたムービーフレームの加重平均を行うことによりモデル化することができます。得られる粒子は、シグナル対ノイズ比（SNR）が増加するので、"polished"または"shiny"だと言われます。
 [Particle polishing]jobタイプの【I/O】タブにて以下のようにして下さい
@@ 行1,134: / 行1,135: @@
 【Helix】タブを無視し、first3drefのようなエイリアスを使用して、jobを実行します。 粒子の研磨はGPU加速されていないので、おそらくこれをクラスタ上で実行したいと考えるでしょう。このjobの最大使用MPIプロセッサ数は、データのムービーフレーム数の二倍です。粒子ボックスが比較的大きい場合、メモリの要求は重要ですが、通常は3D自動精密化最後の反復実行時よりは大きくありません。
-プログラムは、モーショントラックの線形フィッティング、放射線ダメージの計量のBファクタおよびスケールファクタを推定するための単一フレーム再構成を実行し、新しい光沢のある粒子を作成します。推定されたBファクタとスケールファクタは、これらのファクタを計算するために使用されたGuinierプロット（および直線とのフィット）と共に、そして動作軌跡と線形フィットはすべて、【Display】ボタンから開けるPolish/first3dref/logfile.pdf という大きなPDFファイルにあります。
+プログラムは、モーショントラックの線形フィッティング、電子線ダメージの計量のBファクタおよびスケールファクタを推定するための単一フレーム再構成を実行し、新しい光沢のある粒子を作成します。推定されたBファクタとスケールファクタは、これらのファクタを計算するために使用されたGuinierプロット（および直線とのフィット）と共に、そして動作軌跡と線形フィットはすべて、【Display】ボタンから開けるPolish/first3dref/logfile.pdf という大きなPDFファイルにあります。
-私たちはサンプルが大きく動く最初の1-2フレームではしばしば比較的大きな負のBファクタを観測し、その後に放射線ダメージが入る後のフレームでも観測します。このチュートリアルのムービーはムービーフレームあたり1電子/Å2で記録されているため、16電子/Å2の合計線量はそれほど高くなく、放射線被害のみが重要な役割を果たしません。多くの場合、最初の数フレームは比較的悪い可能性があるが、ギニープロットのY軸（すなわち、線形強度スケールファクタ）を備えたフィッティングされたラインの切片は線量とともに減少する。
+私たちはサンプルが大きく動く最初の1-2フレームではしばしば比較的大きな負のBファクタを観測し、その後に電子線ダメージが入る後のフレームでも観測します。このチュートリアルのムービーはムービーフレームあたり1電子/Å2で記録されているため、16電子/Å2の合計線量はそれほど高くなく、電子線損傷のみが重要な役割を果たす訳ではありません。多くの場合、最初の数フレームは比較的悪い可能性があるが、GuinierプロットのY軸（すなわち、線形強度スケールファクタ）を備えたフィッティングされたラインの切片は線量とともに減少する。
 何らかの形で推定されたBファクタまたはスケールファクタが奇妙に見える場合、Guinierプロットを通じて線形フィットを調べることができます。時には、Guinierプロットは、【Damage】タブに入力された全周波数領域にわたって直線でよくフィットすることができません。その後、異なるパラメータでjobを再実行する価値があります。また、シングルフレームの再構成が上記の20Åの周波数を超えて拡張されない場合、ラインにフィットせず、(推定されたB因子についてNaNを与える)プログラムは動作しません。そのような場合、Bファクタの計量をスキップするか、または同じタブの Average frames B-factor estimation: 1 を使用して複数のフレームを平均することを選択します。【Display】ボタンから出力された研磨粒子（shiny.star）を使ってSTARファイルを視覚化して、すべてが正しく行われていることを確認することは、おそらく悪い考えではありません。
@@ 行1,146: / 行1,147: @@
   ●bfactors.star (このファイルが見つからない場合、プログラムは既存のすべてのフレーム再構成を読み込み、BファクタとスケールファクタをGuinierプロットを通して線形フィットするかどうか決定します。 したがって、たとえば【Damage】タブでフィットした解像度範囲を変更したが、Average frames B-factor estimation を変更しなかった場合、既存のbfactors.starファイルを削除すると非常に便利なので、新しいBファクタとスケールファクタが計算されますが、すべてのマップをもう再構築する必要はありません。 これはとても高速に進むでしょう。)
-  ●shiny.star (このファイルがない場合、既存の bfactors.starファイルが読み込まれ、光沢のある粒子はこれらのパラメータに従って再計量されます。 たとえば、以前に決定されたBファクタとスケールファクタのプロットに滑らかな曲線をフィットさせることを決定し、既存の bfactors.starファイルを新しくフィットしたものに置き換えた場合など、これは非常に便利です。 この場合、プログラムは光沢のある粒子のみを再作成します。)
+  ●shiny.star (このファイルがない場合、既存の bfactors.starファイルが読み込まれ、磨き上げられた粒子(polished particles)はこれらのパラメータに従って再計量されます。 たとえば、以前に決定されたBファクタとスケールファクタのプロットに滑らかな曲線をフィットさせることを決定し、既存の bfactors.starファイルを新しくフィットしたものに置き換えた場合など、これは非常に便利です。 この場合、プログラムは磨き上げられた粒子(polished particles)のみを再作成します。)
 === 9.4 Re-refine the polished particles(磨き上げられた(洗練された)粒子の再精密化) ===

@@ 行1,148: / 行1,148: @@
   ●shiny.star (このファイルがない場合、既存の bfactors.starファイルが読み込まれ、光沢のある粒子はこれらのパラメータに従って再計量されます。 たとえば、以前に決定されたBファクタとスケールファクタのプロットに滑らかな曲線をフィットさせることを決定し、既存の bfactors.starファイルを新しくフィットしたものに置き換えた場合など、これは非常に便利です。 この場合、プログラムは光沢のある粒子のみを再作成します。)
-=== 9.4 Re-refine the polished particles(磨かれた粒子の精密化) ===
+=== 9.4 Re-refine the polished particles(磨き上げられた(洗練された)粒子の再精密化) ===
 shiny.starの磨かれた粒子は、元のものと比べてシグナル対ノイズ比が向上しています。 これは、さらに分類分けするときに役立ちます。 この時点での異なる分類分けの戦略の詳細な説明については、Methods in Enzymology [[#ref12|[12]]]の最新の章を参照してください。 この章はまだオンラインでは入手できないため、以下コマンドで初期の資料をダウンロードできます。
   wget ftp://ftp.mrc-lmb.cam.ac.uk/pub/scheres/relionreview2016.pdf
-自身の研磨からの再構成は、より高い解像度マップをもたらす「確率加重 angular assignment(角度の割り当て) 」の実行の代わりに、最も可能性の高い方向に各粒子を配置するので、少なくとも、研磨された粒子を使用して最終的な[3D auto-refine]を実行します。 したがって、shiny.star を入力として3D auto-refineを繰り返してください。 この精密化の後、後処理と局所分解の推定のやり直しをすることを忘れないでください。
+私達はいつでもpolished particlesを使って最終的な再構成【3D auto-refine】を実行します。より高い解像度マップをもたらすように、「確率加重 angular assignment(角度の割り当て) 」を実行する替わりに、最も可能性の高い方向として各粒子の角度を決定します。したがって、shiny.star を入力として3D auto-refineを繰り返してください。 この精密化の後、後処理と局所分解の推定のやり直しをすることを忘れないでください。
-このテストケースでは、movie-refinement と particle polishing の前に、復元は既に（ダウンサンプリングされた）データのナイキスト周波数に達しました。 したがって、後者は地図にほとんど影響しませんでした。 このデモンストレーションは、動画処理の仕方を教える上でまだ役立つことを願っています。
+このテストケースでは、【movie-refinement】 と 【particle polishing】 の前に、再構成は、既に（ダウンサンプリングされた）データのナイキスト周波数に達しました。 したがって、後者は三次元画像にほとんど影響しませんでした。 このデモンストレーションは、動画処理の仕方を教える上でまだ役立つことを願っています。
 == 10 Wrapping up(まとめ) ==

@@ 行996: / 行996: @@
 == 8 Local-resolution estimate(ローカル解像度推定) ==
-定例処理プログラムから解像度の推定は広域的な推定となります。しかしながら、シングルナンバーは高分子複合体の再構築でしばしば観測される解像度の変化を描写できません。Alp Kucukelbir and Hemant Tagareはマップ全体の解像度の変化を推定する効果的なプログラムを記述しています[[#ref4|[4]]]。RELION は、[Local resolution]jobタイプを通してプログラムのラッパーを実装しています。【I/O】タブ上で以下のように設定してください。
+後処理プログラム【Post-processing】からの推定される分解能は広域的な推定となります。しかしながら、たった一つの数では、高分子複合体の再構築でしばしば観測される分解能が場所毎で異なることを描写できません。Alp Kucukelbir and Hemant Tagareはマップ全体の解像度の変化を推定する効果的なプログラムを記述しています[[#ref4|[4]]]。RELION は、【Local resolution】 jobタイプを通してプログラムのラッパーを実装しています。【I/O】タブ上で以下のように設定してください。
   ● One of the two unfiltered half-maps: Refine3D/after first class3d/run half1 class001 unfil.mrc
@@ 行1,011: / 行1,011: @@
   ● P-value: 0.05
 （これを変更することはほとんどありません）
   ● Highest resolution (A): 7
 （ナイキスト周波数は7Åです）
   ● Lowest resolution (A): 10
 （計算上での最低の解像度を指定します）
   ● Resolution step size (A): 0.5
-（ステップ数を増やせば、より正確なローカル解像度マップの結果が導き出せますが、更に実行時間は長くなります。）
+　first3refのようなエイリアスを使用して下さい。RASMAPプログラムからポップアップ画面上に表示されたら、緑色の線が幾分水平であるかどうかを確認してください。それを変更するためには、RESMAPのGUIからフィルターボタンを利用して下さい。しかしながら、RELION上で生成されたマップに変更を加える必要がないことにしばしば気がつくでしょう。RESMAPプログラムが完了するまでに時間がかかることがあります。
-first3refのようなエイリアスを使用して下さい。RASMAPプログラムからポップアップ画面上に表示されたら、緑色の線が水平であるかどうかを確認してください。それを変更するためには、RESMAPのGUIからフィルターボタンを利用して下さい。しかしながら、RELION上で生成されたマップに変更を加える必要がないことにしばしば気がつくでしょう。RESMAPプログラムが完了するまでに時間がかかることがあります。Resmap/first3dref/half1_resmap.mrcの結果は、UCSF chimera上でTools -> Volume data -> Surface colorと選択した後、volume data valueで選択したローカル解像度によってPostprocess/first3dref/postprocess.mrcのマップに色をつけ、rasmapファイルをブラウズ(閲覧)するために使われます。特別な場合では、データが低解像度処理され、ベータガラクトシダーゼは非常に柔軟な粒子ではないために、ローカル解像度の変化は見るために良いというわけではありません。しかし、とにかく全体を知るのはいいことです。
+　Resmap/first3dref/half1_resmap.mrcの結果は、UCSF chimera上でTools -> Volume data -> Surface colorと選択した後、volume data valueで選択したローカル解像度によってPostprocess/first3dref/postprocess.mrcのマップに色をつけ、rasmapファイルをブラウズ(閲覧)するために使われます。特別な場合では、データがダウンサンプリングされ、ベータガラクトシダーゼはあまり柔軟な粒子ではないために、局所分解能の程度は見るためにあまり興味深いものではありません。しかし、とにかくそのことを知るのはいいことです。
 == 9 Moving-processing & particle polishing ==

@@ 行948: / 行948: @@
 '''前書き'''
-D自動精密化の実行後、マップをシャープに必要があります。それも、自動精密化物の内部の至適基準FSCカーブはマスク化されていないマップのみ使います（Use solvent-flattened FSCsオプションを使っていない場合に限ります）。これは実際の精密化中に、実際の解像度は概算値を下回っているということを意味しています。なぜなら、溶媒領域のノイズがFSCカーブよりも低くなるからです。RELIONにおけるBファクターでの鮮明化と、マスク化したFSCカーブ[[#ref2|[2]]]を計算するための手順は、"post-processing"と呼ばれています。しかし最初には、タンパク質の末端と溶媒領域の開始点を精密化するためのマスクを作る必要があります。これは[Mask Creation]ジョブタイプを使って行います。
+D自動精密化の実行後、マップを先鋭化する必要があります。その場合も、自動精密化の内部で生み出される'''gold standard FSC'''カーブはマスク化されていないマップのみ使います（Use solvent-flattened FSCsオプションを使っていない場合に限ります）。これは実際の精密化中には、実際の分解能は下回っている(under-estimated)ということを意味しています。なぜなら、溶媒領域のノイズがFSCカーブを低くするからです。RELIONにおけるBファクターでの先鋭化と、マスク化したFSCカーブ[[#ref2|[2]]]を計算するための手順は、"post-processing（後処理）"と呼ばれています。しかし最初には、タンパク質の末端と溶媒領域の開始点を精密化するためのマスクを作る必要があります。これは【Mask Creation】ジョブタイプを使って行います。
 === 7.1 Making a mask （マスク作成）===
-【I/O】タブ上で3D自動精密化が終わった出力マップ、Refine3D/after_first_class3d/run_class001.mrcを選択してください。【Mask】タブ上で以下のように設定してください。
+【I/O】タブ上で3D自動精密化が終わった出力マップ、'''Refine3D/after_first_class3d/run_class001.mrc'''を選択してください。【Mask】タブ上で以下のように設定してください。
   ● Lowpass filter map (A): 15
@@ 行962: / 行962: @@
 (上記のしきい値は白黒画像マスクを生成するのに使われます。このマップ中のホワイト値は全方向の多くのピクセルで増加します。これを使用して、最初のバイナリマスクのサイズを小さくします。）
   ● Add a soft-edge of this many pixels: 3
-(これはマスクに余弦形状のソフトエッジを配置します。これは、とても鋭いマスクにかなり繊細である可能性があるFSCカーブに、マスクが及ぼす影響を計測する補正手順として重要です。マスクの生成は相対的に早いので、しばしば解像度の最も適した概算を得るためのマスクパラメーターと共に使います。）
+(これはマスクに余弦形状のソフトエッジを配置します。これは、とても鋭いマスクにかなり繊細である可能性があるFSCカーブに、マスクが及ぼす影響を計測する補正手順として重要です。マスクの生成は相対的に速いので、しばしば分解能の最も適した概算を得るためのマスクパラメーターと共に使います。）
-【Helix】タブとfirst3dref_th002_ext2_edg3のようなエイリアスを使うことは無視してください。【Display：】ボタンを使うことで、マスクの結果を通した切片を見たり、UCSFキメラにマスクを読み込ませることができます。後者は、マスクが構造全体をカプセル化するが、マスク内に多くの溶媒を残さないことを確認するために、自動精密手順のマップと一緒に良いアイデアになるかもしれません。
+【Helix】タブを無視して下さい。
 === 7.2 Postprocessing (後処理)===
@@ 行982: / 行984: @@
 これは通常変える必要はありません。
   ● Use your own B-factor? No
 【Filter】タブでは以下のように設定してください。
   ● Skip FSC-weighting? No
-このオプションはときに、全体のマップ解像度を超えるような解像度へと拡張するマップ範囲を解析するのに便利です。今回は当てはまらないので、Noにします。
+このオプションはときに、全体のマップ分解能を超えるような解像度へと拡張するマップ範囲を解析するのに便利です。今回は当てはまらないので、Noにします。
-jobを実行（クラスターは必要ないほど、このjobはすぐ終わります）し、first3dref のようなエイリアスを使用して下さい。【Display】ボタンを使って、後処理されるマップと、この構造のFSCカーブとGuinierプロットを含んだPDFを通して、スライズを表示します。ChimeraでPostProcess/first3dref/postprocess.mrcマップを開くこともできます。そこでは、3D自動精密化の手順となる収束したマップでの全てのα-へリックスの場所を簡単に見ることが出来ます。解像度の推定は、以前に発表された[[#ref2|[2]]]のフェイズランダムの手順に基づいてます。フェイズランダムマップのFSC（赤いカーブ）が、多かれ少なかれ、推定していた後処理マップの解像度のゼロ点であることを確認してください。そうでない場合は、マスクが鮮明すぎるか、細部の描写が多すぎます。この場合は。強いローパスフィルターや、以前の[Mask creation]ステップでの、より広く、より薄いマスクを使用し、後処理を繰り返して下さい。実際に少し薄いマスクを作りたくなるかもしれないので、その場合はエッジがだいたい5ピクセルになるように試してみてください。このために【Continue now】ボタンを使った場合、以前の結果が上書きされます。左側にあるjobタイプブラウザをクリックし、【Run now!】ボタンで新しい出力ディレクトリが出来ます。
+※マスクをきつく掛けるとマスクの影響による分解能を見ることになります。それを避けるためにマスク内が乱数であった場合（つまり、構造が無い場合）のFSCカーブと比較します。
 == 8 Local-resolution estimate(ローカル解像度推定) ==

@@ 行921: / 行921: @@
 これまででお分かりのように、STARファイルはさまざまなタイプの入出力データを扱うのに非常に便利なツールです。得られた結果の分析するための柔軟で強力なツールとなるrelion_star_printtableのようなスクリプトは、だいたいgrepやawkのようなlinuxのシェルコマンドと併用して実行できます。
-== 6 High-resolution 4D refinment ==
+== 6 High-resolution 3D refinement（三次元精密化） ==
 '''前書き'''
-十分に均質なサブセットは一旦選択されると、このサブセットを自動的に高い解像度に精密化するために[3D auto-refine]を使用することができます。この手順は解像度を推定するためにFourier Shell Correlation(FSC)計算と言われる判断基準を用います。これにより、自己高揚による過剰適合を避けることができます[[#ref13|[13]]]。角度の割当の正確さを推定するために[[#ref11|[11]]]、新しい手順を結合するとき、精密化が収束するときを自動的に決定します。そのため、この手順は使用者の入力をほとんど必要としません。すなわち、客観性をのこしたまま、多くのデータセットのための優れたマップが生成がされていると述べられています。もう一つの長所は、一般的にこの手順は必要実行回数が一回のみであり、最適化のための引数はほとんどありません。
+十分に均質なサブセットは一旦選択されると、このサブセットを自動的に高い解像度に精密化するために[3D auto-refine]を使用することができます。この手順は分解能を推定するために、gold-standard Fourier Shell Correlation(FSC)(二つの群に分け、互いに独立して再構成した場合に、どの分解能まで相関があるかにより判断)と言われる判断基準を用います。これにより、過学習を避けることができます[[#ref13|[13]]]。角度の割当の正確さを推定する新しい手順（[[#ref11|[11]]]）と組み合わせ、精密化が収束するときに自動的に決定されます。そのため、この手順は使用者の入力をほとんど必要としません。すなわち、客観性をのこしたまま、多くのデータセットのための優れたマップが生成がされていると述べられています。もう一つの長所は、一般的にこの手順は必要な実行回数が一回のみであり、最適化のための引数はほとんどありません。
 === 6.1 Running the job (動作の実行)===
-RELIONで[3D auto-refine]jobタイプを選択してください。RELIONでの入力引数の大部分は[3D classification]jobタイプと同様のものが残っていますが、一部は利用できません。【Sampling】タブでの配向性のサンプリング率は反復の最初のみ使用されており、ここでのアルゴリズムは収束するまで、角度サンプリング率が自動的に増加されます。したがって、8面体または正20面体対称よりも小さい精密化全てで、一般的に初期値の角度である7.5度のサンプルを使用し、部分的な調査では1.8度のサンプルから行います。より正確な対称の精密化を行う場合のみ、3.7度でのサンプリングを行い、部分的な調査では0.9度ごとにサンプリングを行います。
+RELIONで、【3D auto-refine】jobタイプを選択してください。RELIONでの入力引数の大部分は【3D classification】jobタイプと同様のものが残っていますが、一部は利用できません。【Sampling】タブでの配向性のサンプリング間隔は反復の最初の数回のみ使用されており、ここでのアルゴリズムは収束するまで、角度サンプリング間隔が自動的に細かくなっていきます。したがって、8面体または正20面体対称よりも小さい角度で、全ての精密化仮定でで、一般的に大域探索では、初期値の角度である7.5度のサンプルを使用し、局所探索では1.8度のサンプルから行います。より正確な対称の精密化を行う場合のみ、3.7度でのサンプリングを行い、局所探索では0.9度ごとにサンプリングを行います。
-RELION-2.0は【Optimisation】タブでUse solvent-flattend FSCsと呼ばれる新しいオプションがあります。このオプションの設定はRELION-1.4のようにNoで実行します。もしYesで設定した場合、自動精密化は、[Post-processing]jobタイプで使用するものと似ている代表的なFSC曲線で溶解補正が使われます。その結果、この動作では【I/O】タブでマスクの提供も必要です。タンパク質が粒子ボックスの中に比較的小さい体積を占有している時、このオプションは非常に役に立ちます。他にも、伸長された分子や、マスクを使用して小さい部分の精密化に注目した時などに役立ちます。このような場合、マスクが使用されていない代表的なFSCは精密化の際の解像度が低く見積もられます。今回の精密化では、このオプションはNoのままにしてください。(マスクを提供していないからです)
+RELION-2.0は、【Optimisation】タブでUse solvent-flattend FSCsと呼ばれる新しいオプションがあります。このオプションの設定はRELION-1.4のようにNoで実行します。もしYesで設定した場合、自動精密化は、[Post-processing]jobタイプで使用するものと似ている代表的なFSC曲線で溶媒平滑化補正が使われます。その結果、この動作では【I/O】タブでマスクの提供も必要です。タンパク質が粒子ボックスの中に比較的小さい体積を占有している時、このオプションは非常に役に立ちます。他にも、伸長された分子や、マスクを使用して小さい部分の精密化に注目した時などに役立ちます。このような場合、マスクが使用されていない代表的なFSCは、精密化の分解能が低く見積もられます。今回の精密化では、このオプションはNoのままにしてください。(マスクを提供していないからです)
-入力STARファイルとして、Select/class3d_first_exhaustive/particles.starを選択し、[3D classification]実行(例えば、Class3D/first_exhaustive/run_it025_class004.mrc)から初期モデルとして、精密化されたマップのひとつを使用します。あるいは、以前に使用したものと同じ、3i3e_lp50A.mrcモデルを使用します。どちらでもおそらく違いはほとんどありません。さらに、マップ内の高周波成分へ偏るのを防ぐためと、初期マップよりも高い解像度で完全に独立した精密な”gold-standard”を保持するために、初期マップにローパスフィルターを強くかけることが最も良いです。再び50Åを使いましょう。分子が対称に見えるときは、精密化したものに2D symmentryをかけましょう。
+入力STARファイルとして、Select/class3d_first_exhaustive/particles.starを選択し、【3D classification】実行(例えば、Class3D/first_exhaustive/run_it025_class004.mrc)から初期モデルとして、精密化されたマップのひとつを使用します。あるいは、以前に使用したものと同じ、3i3e_lp50A.mrcモデルを使用します。どちらでもおそらく違いはほとんどありません。さらに、マップ内の高周波成分へ偏るのを防ぐためと、初期マップよりも高い解像度で完全に独立した精密な”gold-standard”を保持するために、初期マップにローパスフィルターを'''強くかける'''ことが最も良いです。再び50Åを使いましょう。分子が対称に見えるときは、精密化したものに2D symmentryをかけましょう。
-MPIのノードは1つのマスター(周りを管理するだけのもの)と2つのスレーブ(2つの半分のセットに作用するもの)のセットで分かれているので、奇数のMPI処理装置を使用するのが最も効率が良いです。ナイキストまでのすべての周波数が考慮されているため、必要メモリは最終反復でかなり増加します。なので、使っているクラスターノードのコアと同じ数のスレッドで動かしたいデータセットのボックスより大きいサイズで作られたボックスが必要です。もしかするとafter_first_class3dのようなエイリアスが良いかもしれません。
+MPIのノードは1つのマスター(他のスレーブを管理するだけのもの)と2つのスレーブ(2つの半分のセットに作用するもの)のセットで分かれているので、奇数のMPI処理装置を使用するのが最も効率が良いです。ナイキスト周波数までのすべての周波数が考慮されているため、必要メモリは最終反復でかなり増加します。従って、使っているクラスターノードのコアと同じ数のスレッドで動かしたいデータセットのボックスより大きいサイズで作られたボックスが必要です。もしかするとafter_first_class3dのようなエイリアスが良いかもしれません。
 === 6.2 Analysing the results (結果の分析)===
-出力ファイルは3D classificationを実行したときのものと大部分が同じです。しかし、全てにおけるプログラムの反復では、2つのrun_it0??_half?_model.starと2つのrun_it0??_half?_class001.mrcファイルを書き出します。それぞれが独立してデータの半分を精製します。一点に収束した場合にのみ、run_model.starとrun_class001.mrcファイルを書き出します(名前に_it0??がありません)。最終反復では、２つの独立した半分の復元データが一緒に結合されているので、一般的に最終反復で解像度がかなり改良されます。プログラムはすべてのデータでナイキスト周波数を使用しているので、この反復では更に多くのメモリとCPUが必要です。
+　出力ファイルは3D classificationを実行したときのものと大部分が同じです。しかし、全てにおけるプログラムの反復では、2つのrun_it0??_half?_model.starと2つのrun_it0??_half?_class001.mrcファイルを書き出します。それぞれデータの半分が精密化されます。収束した場合にのみ、ひとつのrun_model.starとrun_class001.mrcファイルを書き出します(名前に_it0??がありません)。最終反復では、２つの独立した半分の復元データが一緒に結合されているので、一般的に最終反復で解像度がかなり改良されます。プログラムはすべてのデータでナイキスト周波数を使用しているので、この反復では更に多くのメモリとCPUが必要です。
-角度サンプリングでの自動増加が自動精密化手順の様子が重要な側面であることに注意してください。[[#ref11|[11]]]で説明されているシグナル対ノイズの考察が基礎となっており、角度の精度と併進運動の割り当てを評価します。プログラムは必要だと判断したものよりも細かい角度や並進運動サンプリング比は使用しません(結果がよくならないためです)。評価された精度と採用したサンプリング比は現在の解像度評価と一緒にすべて_optimiser.starと_model.starファイルに保存されますが、stdoutファイルから引用されるかもしれません。
+角度サンプリングでの自動増加が自動精密化手順の様子が重要な側面であることに注意してください。[[#ref11|[11]]]で説明されているシグナル対ノイズの考察が基礎となっており、角度の精度と併進運動の割り当てを評価します。プログラムは必要だと判断したものよりも細かい角度や並進運動サンプリング比は使用しません(結果がよくならないためです)。評価された精度と採用したサンプリング比は現在の解像度評価と一緒にすべて_optimiser.starと_model.starファイルに保存されますが、stdoutファイルからも抽出されるかもしれません。
 例えば、以下のように試してみてください。