Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.
La plateforme d’imagerie « The Lifespan Machine » automatise l’observation à vie de grandes populations. Nous montrons les étapes nécessaires pour effectuer des tests de durée de vie, de résistance au stress, de pathogenèse et de vieillissement comportemental. La qualité et l’étendue des données permettent aux chercheurs d’étudier les interventions dans le vieillissement malgré la présence de variations biologiques et environnementales.
Les animaux génétiquement identiques maintenus dans un environnement constant présentent une large distribution de la durée de vie, reflétant un grand aspect stochastique non génétique du vieillissement conservé dans tous les organismes étudiés. Cette composante stochastique signifie que pour comprendre le vieillissement et identifier les interventions efficaces qui prolongent la durée de vie ou améliorent la santé, les chercheurs doivent surveiller simultanément de grandes populations d’animaux de laboratoire. L’évaluation manuelle traditionnelle de la mort limite le débit et l’échelle requis pour les tests d’hypothèses à grande échelle, ce qui a conduit au développement de méthodes automatisées pour les tests de durée de vie à haut débit. La Lifespan Machine (LSM) est une plate-forme d’imagerie à haut débit qui combine des scanners à plat modifiés avec un logiciel personnalisé de traitement d’images et de validation des données pour le suivi à vie des nématodes. La plateforme constitue une avancée technique majeure en générant des données de durée de vie hautement résolues temporellement à partir de grandes populations d’animaux à une échelle sans précédent et avec une précision statistique et une exactitude égales à des tests manuels effectués par des chercheurs expérimentés. Récemment, le LSM a été développé pour quantifier les changements comportementaux et morphologiques observés au cours du vieillissement et les relier à la durée de vie. Ici, nous décrivons comment planifier, exécuter et analyser une expérience automatisée de durée de vie à l’aide du LSM. Nous soulignons en outre les étapes critiques nécessaires à la collecte réussie de données comportementales et à des courbes de survie de haute qualité.
Le vieillissement est un processus complexe et multidimensionnel caractérisé par un déclin de la fonction physiologique d’un organisme, ce qui entraîne une augmentation du risque de maladie et de décès au fil du temps1. La durée de vie, mesurée comme le temps écoulé entre la naissance ou le début de l’âge adulte jusqu’à la mort, fournit un résultat sans ambiguïté du vieillissement2 et une approximation indirecte mais rigoureusement quantitative pour mesurer le taux relatif de vieillissement entre les populations3. Les études sur le vieillissement dépendent souvent de mesures précises de la durée d....
1. Configuration logicielle et matérielle requise
La reproductibilité expérimentale des essais de durée de vie est difficile et nécessite à la fois des conditions expérimentales étroitement contrôlées et de grandes populations pour atteindre une résolution statistique suffisante 4,36. Le LSM est particulièrement adapté à l’étude de grandes populations d’animaux dans un environnement constant avec une résolution temporelle élevée. Afin de démontrer la capacité du LSM, de mettre en évidence.......
Ici, nous fournissons un protocole détaillé et accessible pour effectuer une expérience à l’aide de la dernière version de la Lifespan Machine. Nous avons montré que l’étape critique pour obtenir des courbes de survie bien résolues est l’exclusion manuelle des objets non-vermifuges lors de l’acquisition post-image. L’annotation manuelle de l’heure de décès a un faible effet sur la forme globale des courbes de survie, ce qui démontre que l’estimation entièrement automatisée de l’heure de déc?.......
Les auteurs déclarent qu’ils n’ont pas d’intérêts concurrents.
Nous remercions Julian Ceron et Jeremy Vicencio (IDIBELL Barcelona) pour la production de l’allèle rpb-2(cer135). Ce projet a été financé par le Conseil européen de la recherche (ERC) dans le cadre du programme de recherche et d’innovation Horizon 2020 de l’Union européenne (convention de subvention n° 852201), le ministère espagnol de l’Économie, de l’Industrie et de la Compétitivité (MEIC) au partenariat EMBL, le Centro de Excelencia Severo Ochoa (CEX2020-001049-S, MCIN/AEI /10.13039/501100011033), le programme CERCA/Generalitat de Catalunya, le prix MEIC Excelencia BFU2017-88615-P, et un prix de la Fondation Glenn pour la recherche médicale.
....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 |
Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE
Demande d’autorisationExplorer plus d’articles
This article has been published
Video Coming Soon