Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Method Article
La plataforma de imágenes "The Lifespan Machine" automatiza la observación de por vida de grandes poblaciones. Mostramos los pasos necesarios para realizar ensayos de esperanza de vida, resistencia al estrés, patogénesis y envejecimiento conductual. La calidad y el alcance de los datos permiten a los investigadores estudiar las intervenciones en el envejecimiento a pesar de la presencia de variaciones biológicas y ambientales.
Los animales genéticamente idénticos mantenidos en un ambiente constante muestran una amplia distribución de la esperanza de vida, lo que refleja un gran aspecto estocástico no genético del envejecimiento conservado en todos los organismos estudiados. Este componente estocástico significa que para comprender el envejecimiento e identificar intervenciones exitosas que extiendan la vida útil o mejoren la salud, los investigadores deben monitorear grandes poblaciones de animales de experimentación simultáneamente. La puntuación manual tradicional de muertes limita el rendimiento y la escala necesarios para las pruebas de hipótesis a gran escala, lo que lleva al desarrollo de métodos automatizados para ensayos de vida útil de alto rendimiento. Lifespan Machine (LSM) es una plataforma de procesamiento de imágenes de alto rendimiento que combina escáneres planos modificados con software personalizado de procesamiento de imágenes y validación de datos para el seguimiento de nematodos durante toda la vida. La plataforma constituye un gran avance técnico al generar datos de vida útil altamente resueltos temporalmente de grandes poblaciones de animales a una escala sin precedentes y con una precisión estadística y exactitud igual a los ensayos manuales realizados por investigadores experimentados. Recientemente, el LSM se ha desarrollado aún más para cuantificar los cambios conductuales y morfológicos observados durante el envejecimiento y relacionarlos con la esperanza de vida. A continuación, describimos cómo planificar, ejecutar y analizar un experimento automatizado de vida útil mediante el LSM. Además, destacamos los pasos críticos necesarios para la recopilación exitosa de datos de comportamiento y curvas de supervivencia de alta calidad.
El envejecimiento es un proceso complejo y multifacético caracterizado por una disminución de la función fisiológica de un organismo, lo que conduce a un aumento del riesgo de enfermedad y muerte a lo largo del tiempo1. La esperanza de vida, medida como el tiempo que transcurre desde el nacimiento o el inicio de la edad adulta hasta la muerte, proporciona un resultado inequívoco del envejecimiento2 y un indicador indirecto pero rigurosamente cuantitativo para medir la tasa relativa de envejecimiento entre poblaciones3. Los estudios sobre el envejecimiento a menudo dependen de mediciones precisas de la esperanza de vida, similares a los ensayos clínicos, para comparar los resultados entre una población expuesta a una intervención y un grupo de control no expuesto. Desafortunadamente, los problemas de reproducibilidad impregnan la investigación sobre el envejecimiento, a veces debido a experimentos estadísticamente poco potentes4 y, a menudo, debido a la sensibilidad inherente de los ensayos de vida útil a las variaciones sutiles en el medio ambiente5. Los experimentos robustos requieren múltiples réplicas de grandes poblaciones, y este proceso se beneficia particularmente de la escalabilidad experimental que ofrece la automatización6.
Las rigurosas exigencias de los ensayos de vida útil se originan en la imprevisibilidad del propio proceso de envejecimiento. Los individuos isogénicos alojados en ambientes idénticos muestran diferentes tiempos de muerte y tasas de deterioro fisiológico7, lo que sugiere que la esperanza de vida implica un alto grado de estocasticidad 7,8. Por lo tanto, se requiere que las grandes poblaciones midan los cambios cuantitativos en el proceso de envejecimiento, como los cambios en la esperanza de vida media o máxima, y que superen los sesgos derivados de la variabilidad individual. Además, la capacidad de realizar ensayos de vida útil de alto rendimiento es crucial para respaldar los estudios de las formas de las curvas de supervivencia y los modelos de la dinámica del envejecimiento9.
El nematodo Caenorhabditis elegans es un modelo invaluable para la investigación del envejecimiento debido a su corta vida útil, trazabilidad genética y rápido tiempo de generación, lo que subraya su idoneidad para ensayos de envejecimiento y vida útil de alto rendimiento. Tradicionalmente, la esperanza de vida en C. El elegans se ha medido siguiendo una pequeña población sincronizada de unos 50-100 animales a lo largo del tiempo en medios sólidos y anotando el tiempo de las muertes individuales. A medida que los animales envejecen y pierden movilidad, la puntuación manual de los tiempos de muerte requiere pinchar individualmente a los animales y comprobar si hay pequeños movimientos de la cabeza o la cola. Este suele ser un proceso tedioso y laborioso, aunque se han hecho esfuerzos para acelerarlo 10,11,12. Es importante destacar que la lentitud de los procesos experimentales dificulta el progreso en nuestra comprensión del envejecimiento y la eficacia de las intervenciones probadas.
Para satisfacer las demandas de datos cuantitativos de la investigación sobre el envejecimiento, se han desarrollado muchas tecnologías para automatizar la recopilación de datos, incluida una notable gama de enfoques, desde cámaras microfluídicas hasta escáneres planos 13,14,15,16,17,18. El LSM se diferencia de otros métodos en su amplia optimización para la recopilación de datos de vida útil altamente precisos y exactos, lo que se logra mediante el desarrollo de protocolos de calibración de equipos cuidadosos combinados con un amplio paquete de software que permite a los usuarios validar, corregir y refinar los análisis automatizados13. Aunque el software puede, en principio, aplicarse a diversas modalidades de obtención de imágenes, en la práctica, la mayoría de los usuarios utilizan escáneres planos modificados para permitir un control preciso de la temperatura y la humedad ambientales, factores de importancia crítica debido a su importante efecto en la vida útil19. El LSM toma imágenes de nematodos cada 20 minutos en intervalos que van desde días hasta meses, dependiendo de las condiciones ambientales y el genotipo. Los datos producidos tienen una resolución temporal mucho mayor en comparación con los datos de los ensayos manuales, y las imágenes recopiladas proporcionan un registro visual permanente de la posición del nematodo a lo largo de la vida. Utilizando métodos de aprendizaje automático, los tiempos de muerte se asignan automáticamente a cada individuo. Estos resultados se pueden validar rápida y manualmente utilizando un software cliente llamado "Worm Browser". Como resultado de su hardware y software, el LSM puede generar curvas de supervivencia que son estadísticamente indistinguibles de la puntuación manual de muertes a manos de investigadores experimentados, con la ventaja añadida de una menor carga de trabajo y una mayor escalabilidad13.
La última versión del LSM también permite el estudio del envejecimiento conductual mediante la recopilación de datos morfológicos y conductuales a lo largo de la vida del nematodo y su informe junto con la vida útil de cada individuo. En particular, el LSM captura el tiempo de cese de movimiento vigoroso (VMC) de cada animal, un punto de referencia que a menudo se usa para cuantificar la "duración de la salud" de un individuo a diferencia de su esperanza de vida. Al recopilar simultáneamente datos sobre la esperanza de vida y el envejecimiento conductual, el LSM apoya el estudio de intervenciones que pueden tener efectos diferenciales en diferentes resultados fenotípicos del envejecimiento20. Se puede utilizar una variedad de fenotipos macroscópicamente observables para estudiar el envejecimiento conductual, como el movimiento corporal o el bombeo faríngeo21, la integridad de los tejidos22 y la velocidad de movimiento o el giro inducido por estímulos17. Las comparaciones entre diferentes fenotipos de envejecimiento pueden apoyar el análisis de la estructura causal de los procesos de envejecimiento. Por ejemplo, la comparación entre VMC y la esperanza de vida se utilizó recientemente para caracterizar dos procesos de envejecimiento distintos en C. elegans23.
Si bien se desarrolló inicialmente para medir la esperanza de vida en C. elegans, el LSM apoya la recopilación de datos de supervivencia y comportamiento de una variedad de especies de nematodos, incluido C. briggsae, C. tropicalis, C. japonica, C. brenneri, y P. Pacífico23. La tecnología facilita el estudio del efecto de las intervenciones biológicas y ambientales en la esperanza de vida, la resistencia al estrés y la resistencia a patógenos, y puede acoplarse a herramientas experimentales como ensayos dirigidos de ARN de interferencia o sistemas de degradación de proteínas inducibles por auxinas. Hasta la fecha, se ha utilizado en la literatura científica para una amplia gama de aplicaciones 6,24,25,26,27,28,29,30.
Aquí, describimos un protocolo paso a paso para realizar un experimento de Lifespan Machine utilizando placas de agar, desde las etapas iniciales de la configuración experimental hasta la salida de las curvas de supervivencia resultantes. Una característica distintiva del LSM es que el esfuerzo se concentra en gran medida en la parte inicial, lo que significa que la mayor parte del tiempo del investigador se dedica a la configuración experimental y, en menor medida, durante la adquisición posterior a la imagen. La recopilación de datos está completamente automatizada durante toda la duración del experimento y permite al investigador tener una experiencia de "manos libres". Los pasos descritos aquí son comunes a muchos tipos diferentes de ensayos de supervivencia: se realiza la misma configuración experimental para los ensayos de esperanza de vida, termotolerancia, estrés oxidativo y patogénesis. En la sección de resultados representativos, discutimos un subconjunto de datos de un manuscrito publicado recientemente para ilustrar la efectividad de la canalización de análisis y resaltar los pasos más importantes durante el análisis de imágenes23.
1. Requisitos de software y hardware
Figura complementaria 1: Vida útil del hardware de la máquina. Una unidad de escáner de superficie plana con una tapa abierta para mostrar las placas cargadas, que se colocan boca abajo en 16 aberturas cortadas sobre una alfombrilla de goma. La alfombrilla de goma se coloca sobre la superficie de un escáner de vidrio. Las etiquetas de las condiciones están escritas en los lados de las placas para evitar problemas durante el análisis de la imagen. La cinta de marcado con el número ("1") y/o el nombre del dispositivo ("Jabba") facilita la verificación posterior de la ubicación de la muestra cuando se trabaja con varios dispositivos de escáner. Encontrará más detalles sobre los componentes de hardware de LSM en otro lugar13. Haga clic aquí para descargar este archivo.
2. Configuración antes del día del experimento
3. Configuración el día del experimento
4. Adquisición previa a la imagen
NOTA: En la Figura 1 se muestra un diagrama de flujo completo que resume todos los pasos basados en software durante la adquisición de imágenes.
Figura 1: Descripción gráfica de la canalización de análisis de imágenes de Lifespan Machine. Los pasos previos, durante y posteriores a la adquisición de imágenes se realizan principalmente en la interfaz web (WI, en rojo) y en el navegador de gusanos (WB, en verde). Algunos pasos se realizan en otras plataformas (O, en azul), como documentos TXT en el paso 3a, Photoshop o equivalente en el paso 4b, y JMP o equivalente en el paso 13. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Vista previa de la imagen de captura y selección del área de escaneo. (A) Para cada escáner del experimento, se genera una imagen de captura de vista previa. (B) Selección de una fila de placas a la vez (cajas rojas), lo que aumenta la velocidad de escaneo y evita el desenfoque de movimiento de gusano como resultado de áreas de escaneo que son demasiado anchas. Haga clic aquí para ver una versión más grande de esta figura.
5. Adquisición de imágenes
NOTA: Los siguientes pasos se pueden realizar tanto mientras se ejecuta el experimento como después de que haya finalizado.
Figura 3: Especificación de las ubicaciones de las placas para cada escáner utilizando máscaras de muestra. Para garantizar el análisis independiente de las placas dentro de las selecciones de columnas que se muestran en la Figura 1, las placas individuales deben identificarse mediante la generación de una composición de máscara de imagen. (A) Se abre una captura de los escaneos de los escáneres con un software de manipulación de imágenes (tenga en cuenta el nombre del escáner "han" encima de una selección escaneada, y "a-d" refiriéndose a cada una de las columnas). (B) Los pasos individuales de la generación de máscaras para marcar la ubicación de cada placa en la composición de máscara requieren que el fondo se establezca en negro, (C) la eliminación de bordes dentados y bordes de placas no seleccionadas mediante la expansión y luego contracción del fondo, y (D) la selección de las placas en primer plano y el relleno completo de las áreas con píxeles blancos.) Para que el LSM reconozca placas individuales en las filas escaneadas, cada región blanca de una fila se rellena con un tono diferente de gris, normalmente con un brillo creciente. (F) En esta etapa, se guarda la máscara (compresión LZW sin capas especificadas si se genera en Photoshop). A continuación, el Worm Browser escanea la máscara y el software genera una visualización de la máscara. Una visualización correcta de la máscara debe mostrar un cuadrado definido por placa con una pequeña cruz en el centro y un color diferente para cada fila. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Control de calidad de la placa mediante la interfaz web. La censura de placas subóptimas en la interfaz web antes del análisis del movimiento del gusano es crucial para acelerar el proceso de procesamiento de imágenes. Ejemplos de placas sujetas a remoción incluyen condiciones de (A) desecación, (B) contaminación o (C) nebulización, según corresponda. (D) Placas óptimas que se incluirán en análisis posteriores. Se superpone una barra de escala de 10 mm a una imagen de captura de vista previa. Haga clic aquí para ver una versión más grande de esta figura.
6. Adquisición posterior a la imagen
NOTA: Una vez completada la detección de gusanos, todos los datos recopilados del experimento deben agregarse a lo largo del tiempo para realizar un seguimiento de cada individuo a lo largo de su vida e identificar los tiempos de muerte de todos los individuos. Espere hasta que todos los animales del experimento hayan muerto y hasta que se hayan completado todos los trabajos de detección de gusanos y, a continuación, realice los pasos siguientes:
Figura 5: Guión gráfico de animales en el Worm Browser. (A) Todos los gusanos estacionarios se muestran en orden cronológico del tiempo de muerte anotado por la máquina. Para navegar por el guión gráfico, presione los botones de la esquina inferior derecha (B) y (C) guarde las anotaciones con frecuencia. (D) Las imágenes con un fondo no gris representan dos eventos de muerte de gusanos (muerte temprana como verde, muerte posterior como rojo), que pueden ocurrir cuando dos gusanos mueren cerca uno del otro, o cuando los gusanos muertos son movidos por un gusano que pasa y, por lo tanto, se detectan como muertos dos veces. (E) Una etiqueta roja en la esquina inferior de una imagen identifica a los gusanos con un tiempo de muerte detectado; (F) una etiqueta verde indica dónde un objeto no permaneció quieto el tiempo suficiente para registrar un tiempo de muerte. (G) Se pueden marcar varios gusanos en el mismo fotograma pulsando la tecla Mayús y haciendo clic con el botón izquierdo. (H) Los objetos que no son gusanos se excluyen del análisis haciendo clic con el botón derecho. (I) Los gusanos explotados se censuran del análisis haciendo clic en la imagen correspondiente (se abre una ventana de anotación manual) y pulsando Mayús y haciendo clic con el botón derecho hasta que aparezca un mensaje de "animal explotado". Una barra de escala de 0,5 mm y etiquetas se superponen en la captura de pantalla de una ventana de Worm Browser. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: Inspección de objetos y anotación de tiempos de muerte en el Worm Browser. Al hacer clic con el botón izquierdo en cualquier objeto del guión gráfico del Navegador de gusanos, se abre una nueva interfaz y permite al usuario inspeccionar la dinámica de movimiento del objeto. En el lado derecho, se muestra la puntuación de movimiento (A), que cuantifica el movimiento del objeto; Esto se estima por el cambio en las intensidades de píxeles entre observaciones consecutivas. Además, en el lado derecho, (B) se muestra el cambio en la intensidad total del objeto, que cuantifica los cambios en el tamaño del objeto. En el lado izquierdo, la barra superior muestra la (C) estimación de la máquina del tiempo de muerte, mientras que la barra inferior es la (D) anotación humana a mano. Al hacer clic en cualquier punto de las barras y presionar la tecla de espacio permite al usuario moverse a través de los marcos de tiempo en los que se ha fotografiado el gusano. En estas barras, el rosa representa el tiempo que se pasa en un movimiento vigoroso, el rojo representa el tiempo que se pasa en la muerte y el amarillo es todo lo que hay en el medio. El tiempo empleado en expansión y contracción después del tiempo de muerte se muestra en verde. Las etiquetas se superponen en la captura de pantalla de una ventana de Worm Browser. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7: Estadísticas de resumen de población en el navegador de gusanos. Estadísticas de población para el dispositivo escáner "obiwan", con un gráfico de supervivencia (panel izquierdo) y un diagrama de dispersión del tiempo de cese del movimiento vigoroso (VMC) frente al tiempo de muerte (panel derecho). Los gráficos son detalles de (A) una condición, obtenida de (B) un escáner logrado seleccionando primero (C) la agrupación de supervivencia por cepa. (D) Las formas cuadradas en el diagrama de dispersión representan los eventos anotados a mano, mientras que (E) las formas circulares representan los eventos anotados por la máquina. (F) A menudo se requiere una anotación manual para eventos de muerte que ocurren temprano o (G) aquellos en los que el momento de cese del movimiento vigoroso coincide con el momento de la muerte. Las etiquetas se superponen en la captura de pantalla de una ventana de Worm Browser. Haga clic aquí para ver una versión más grande de esta figura.
La reproducibilidad experimental en los ensayos de esperanza de vida es un reto y requiere tanto condiciones experimentales estrictamente controladas como grandes poblaciones para lograr una resolución estadística suficiente 4,36. El LSM es especialmente adecuado para el estudio de grandes poblaciones de animales en un entorno constante con alta resolución temporal. Para demostrar la capacidad del LSM, resaltar los pasos cruciales del análisis y ayudar a los ...
Aquí, proporcionamos un protocolo detallado y accesible para realizar un experimento utilizando la última versión de Lifespan Machine. Hemos demostrado que el paso crítico para lograr curvas de supervivencia bien resueltas es la exclusión manual de objetos que no sean gusanos durante la adquisición posterior a la imagen. La anotación manual del tiempo de muerte tiene un pequeño efecto en la forma general de las curvas de supervivencia, lo que demuestra que la estimación totalmente automatizada del tiempo de muer...
Los autores declaran que no tienen intereses contrapuestos.
Agradecemos a Julian Ceron y Jeremy Vicencio (IDIBELL Barcelona) por producir el alelo rpb-2(cer135). Este proyecto ha sido financiado por el Consejo Europeo de Investigación (ERC) en el marco del programa de investigación e innovación Horizonte 2020 de la Unión Europea (Acuerdo de Subvención n.º 852201), el Ministerio de Economía, Industria y Competitividad (MEIC) a la asociación EMBL, el Centro de Excelencia Severo Ochoa (CEX2020-001049-S, MCIN/AEI /10.13039/501100011033), el Programa CERCA/Generalitat de Catalunya, el premio MEIC Excelencia BFU2017-88615-P, y un premio de la Fundación Glenn para la Investigación Médica.
Name | Company | Catalog Number | Comments |
1-Naphtaleneacetic acid (Auxin) | Sigma | N0640 | Solubilize Auxin in 1M potassium hydroxide and add into molten agar |
5-fluoro-2-deoxyuridine (FUDR) | Sigma | F0503 | 27.5 μg/mL of FUDR was used to eliminate progeny from populations on UV-inactivated bacteria |
Glass cleaner | Kristal-M | QB-KRISTAL-M125ml | |
Hydrophobic anti-fog glass treatment | Rain-X Scheibenreiniger | C. 059140 | |
Rubber matt | Local crafstman | Cut on a high-strength EPDM rubber sheet stock | |
Scanner glass | Local hardware supplier | 9" x 11.5" inch glass sheet | |
Scanner plates | Life Sciences | 351006 | 50 mm x 9 mm, polystyrene petri dish |
USB Reference Thermometer | USB Brando | ULIFE055500 | For calibrating temperature of scanners |
Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos
Solicitar permisoThis article has been published
Video Coming Soon
ACERCA DE JoVE
Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados