Análise espacial estatística para tomografia eletrônica de crio

A tomografia eletrônica de crio (cryo-ET) é especialmente adequada para localizar com precisão complexos macromoleculares in situ, ou seja, em um estado próximo ao nativo dentro de seus compartimentos celulares, em três dimensões e alta resolução. A análise de padrões de pontos (PPA) permite a caracterização quantitativa da organização espacial de partículas. No entanto, as implementações atuais das funções de PPA não são adequadas para aplicações em dados de cryo-ET porque não consideram a forma 3D real, tipicamente irregular, dos compartimentos celulares e complexos moleculares. Aqui, projetamos e implementamos funções de PPA de primeira e segunda ordem, univariadas e bivariadas, em um pacote Python para análise espacial estatística de partículas localizadas em regiões tridimensionais de forma arbitrária, como aquelas encontradas na imagem de cryo-ET celular (PyOrg). Para validar as funções implementadas, aplicamos a conjuntos de dados sintéticos especialmente projetados. Isso nos permitiu encontrar as soluções algorítmicas que proporcionam a melhor precisão e desempenho computacional, além de avaliar a precisão das funções implementadas. Aplicações a dados experimentais mostraram que, apesar da maior demanda computacional, o uso das funções de segunda ordem é vantajoso em relação às de primeira ordem, porque permitem a caracterização da organização das partículas e inferência estatística em uma variedade de escalas de distância, assim como a análise comparativa entre grupos experimentais que compreendem múltiplos tomogramas. O PyOrg é um software open-source versátil, preciso e eficiente para a caracterização quantitativa confiável da organização macromolecular dentro de compartimentos celulares imageticamente in situ por cryo-ET, bem como para outros sistemas de imagem 3D onde partículas de tamanho real são localizadas dentro de regiões que possuem geometria complexa.