〜28K剂量分级的显微照片是从使用抗α1Fab（1f4）作为亲和力试剂的多个纯化的多个网格中收集的。所有数据处理均在CryoSparc v4.4中进行。挑选颗粒并进行多发2D分类；最终结果显示，从此步骤中选择了〜1.3 m的颗粒。从头开始进行了3个类，用作整个粒子集的异质细化的输入。一个粒子集来自异质细化，包括〜1.0 m颗粒，该颗粒受到了不均匀（NU）的细化。该地图和粒子集作为所有3D分类的起点。主要的3D分类使用了整个ECD周围的聚焦掩码，并设置为10个类（Class0 -class9）。由于主要在ECD中找到了最高分辨率的特征，因此选择了ECD掩码，因此该区域应允许组成异质性更加可靠的分离。Class0和Class5包含两个强的FAB密度，因此将其组合在一起，并精制到模型构建过程中易于定义为β2-α1-α1-β2-β2-α1-γ2的单个亚基排列。该地图和亚基排列通过列出BOLD字体的亚基顺序，表示该数据处理中的最终，高置信度端点。基于FSC的MAP分辨率估计值和粒子数在所有地图下都给出。由于存在一个强的晶圆厂，并得出了约2.6Å分辨率图，因此将类别1、2和4类合并。输入类（1、2、4）中TMD信号的异质性促使我们对这个〜420k粒子集（8类）进行次级3D分类。然而，从主要的3D分类中，由于各向异性分辨率特征提示优选方向或整体低分辨率，因此将Class3和Class6级Class3和Class6级9被排除在进一步分析之外（Class3和9）（Class3和9）。。使用对链A-B ECD的焦点图对含有颗粒的1-bab的二级分类。在测试了一个大面具后（单个亚基，对，相邻的三重态），选择该区域进行掩盖。所有3D类均经过NU的细化，然后进行原子模型构建，以开始为映射位置分配亚基（补充图1-11）。Class0和Class5表现出公共组装的特征，因此被合并并精制到β2-α1-α1-γ2-β2-α2的最终亚基排列。在数据集的此流程图中总结了所有处理，上述解释是代表性决策方法。每个组合物也被标记为（A-G），对应于图2中的标签和扩展数据图6。在某些情况下，地图中的单个位置显然是两个亚基的混合物，例如α2/α3。在其他情况下，我们将异质性指定为“混合物”，而是这意味着一个或多个位置尚未明确，α与βvs.γ。尽管我们不能在“最终”粒子集中排除污染的可能性，这是由于不正确的颗粒而产生的，但我们可以信心结论，对于每个“最终”地图，构建的模型代表了该粒子集中明显的主要物种。