È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.
Method Article
La piattaforma di imaging "The Lifespan Machine" automatizza l'osservazione permanente di grandi popolazioni. Mostriamo i passaggi necessari per eseguire saggi sulla durata della vita, sulla resistenza allo stress, sulla patogenesi e sull'invecchiamento comportamentale. La qualità e la portata dei dati consentono ai ricercatori di studiare gli interventi sull'invecchiamento nonostante la presenza di variazioni biologiche e ambientali.
Gli animali geneticamente identici tenuti in un ambiente costante mostrano un'ampia distribuzione della durata della vita, riflettendo un grande aspetto stocastico non genetico dell'invecchiamento conservato in tutti gli organismi studiati. Questa componente stocastica significa che per comprendere l'invecchiamento e identificare interventi di successo che prolungano la durata della vita o migliorano la salute, i ricercatori devono monitorare contemporaneamente grandi popolazioni di animali da esperimento. Il tradizionale punteggio manuale dei decessi limita la produttività e la scala necessarie per i test di ipotesi su larga scala, portando allo sviluppo di metodi automatizzati per i saggi ad alta produttività. Lifespan Machine (LSM) è una piattaforma di imaging ad alto rendimento che combina scanner piani modificati con software di elaborazione delle immagini e convalida dei dati personalizzati per il monitoraggio dei nematodi per tutta la vita. La piattaforma costituisce un importante progresso tecnico in quanto genera dati sulla durata della vita altamente risolti temporalmente da grandi popolazioni di animali su una scala senza precedenti e con una precisione statistica e un'accuratezza pari ai saggi manuali eseguiti da ricercatori esperti. Recentemente, l'LSM è stato ulteriormente sviluppato per quantificare i cambiamenti comportamentali e morfologici osservati durante l'invecchiamento e metterli in relazione con la durata della vita. In questo articolo viene descritto come pianificare, eseguire e analizzare un esperimento automatizzato sulla durata della vita utilizzando LSM. Evidenziamo inoltre i passaggi critici necessari per il successo della raccolta di dati comportamentali e curve di sopravvivenza di alta qualità.
L'invecchiamento è un processo complesso e sfaccettato, caratterizzato da un declino della funzione fisiologica di un organismo, che porta ad un aumento del rischio di malattia e morte nel tempo1. La durata della vita, misurata come il tempo che intercorre tra la nascita o l'inizio dell'età adulta fino alla morte, fornisce un risultato inequivocabile dell'invecchiamento2 e un indicatore indiretto ma rigorosamente quantitativo per misurare il tasso relativo di invecchiamento tra le popolazioni3. Gli studi sull'invecchiamento spesso dipendono da misurazioni accurate della durata della vita, simili agli studi clinici, per confrontare i risultati tra una popolazione esposta a un intervento e un gruppo di controllo non esposto. Sfortunatamente, i problemi di riproducibilità pervadono la ricerca sull'invecchiamento, a volte a causa di esperimenti statisticamente sottodimensionati4 e spesso a causa della sensibilità intrinseca dei saggi sulla durata della vita a sottili variazioni nell'ambiente5. Gli esperimenti robusti richiedono repliche multiple di grandi popolazioni e questo processo beneficia in particolare della scalabilità sperimentale offerta dall'automazione6.
Le rigorose esigenze dei saggi sulla durata della vita derivano dall'imprevedibilità del processo di invecchiamento stesso. Gli individui isogenici ospitati in ambienti identici mostrano tempi di morte e tassi di declino fisiologicodiversi 7, suggerendo che la durata della vita comporta un alto grado di stocasticità 7,8. Pertanto, le grandi popolazioni sono tenute a misurare i cambiamenti quantitativi nel processo di invecchiamento, come i cambiamenti nella durata media o massima della vita, e a superare le distorsioni derivanti dalla variabilità individuale. Inoltre, la capacità di saggi ad alto rendimento sulla durata della vita è fondamentale per supportare gli studi sulle forme delle curve di sopravvivenza e sui modelli delle dinamiche dell'invecchiamento9.
Il nematode Caenorhabditis elegans è un modello inestimabile per la ricerca sull'invecchiamento grazie alla sua breve durata di vita, alla trattabilità genetica e al rapido tempo di generazione, che sottolineano la sua idoneità per saggi di invecchiamento e durata della vita ad alto rendimento. Tradizionalmente, la durata della vita in C. Elegans è stato misurato seguendo una piccola popolazione sincronizzata di circa 50-100 animali nel tempo su supporti solidi e annotando il tempo delle singole morti. Man mano che gli animali invecchiano e perdono mobilità, è necessario valutare manualmente i tempi di morte e controllare individualmente gli animali e controllare i piccoli movimenti della testa o della coda. Questo è di solito un processo noioso e laborioso, anche se sono stati fatti sforzi per accelerarlo 10,11,12. È importante sottolineare che la lentezza delle pipeline sperimentali ostacola i progressi nella nostra comprensione dell'invecchiamento e dell'efficacia degli interventi testati.
Per soddisfare le esigenze della ricerca sull'invecchiamento per i dati quantitativi, sono state sviluppate molte tecnologie per automatizzare la raccolta dei dati, tra cui una notevole gamma di approcci, dalle camere microfluidiche agli scanner piani 13,14,15,16,17,18. L'LSM si differenzia dagli altri metodi per la sua ampia ottimizzazione per la raccolta di dati di durata altamente precisi e accurati, che si ottiene attraverso lo sviluppo di attenti protocolli di calibrazione delle apparecchiature combinati con un'ampia suite software che consente agli utenti di convalidare, correggere e perfezionare le analisi automatizzate13. Sebbene il software possa, in linea di principio, essere applicato a diverse modalità di imaging, in pratica, la maggior parte degli utenti utilizza scanner piani modificati per consentire un controllo preciso della temperatura e dell'umidità ambientale, fattori di fondamentale importanza a causa del loro effetto principale sulla durata della vita19. L'LSM acquisisce immagini dei nematodi ogni 20 minuti a intervalli che vanno da giorni a mesi, a seconda delle condizioni ambientali e del genotipo. I dati prodotti hanno una risoluzione temporale molto più elevata rispetto ai dati dei saggi manuali e le immagini raccolte forniscono una registrazione visiva permanente della posizione del nematode per tutta la durata della vita. Utilizzando metodi di apprendimento automatico, i tempi di morte vengono assegnati automaticamente a ciascun individuo. Questi risultati possono essere convalidati rapidamente e manualmente utilizzando un software client chiamato "Worm Browser". Grazie al suo hardware e software, l'LSM è in grado di generare curve di sopravvivenza statisticamente indistinguibili dal punteggio manuale dei decessi per mano di ricercatori esperti, con l'ulteriore vantaggio di ridurre il carico di lavoro e aumentare la scalabilità13.
L'ultima versione dell'LSM consente anche lo studio dell'invecchiamento comportamentale raccogliendo dati morfologici e comportamentali durante tutta la vita del nematode e riportandoli insieme alla durata della vita di ciascun individuo. In particolare, l'LSM cattura il tempo di cessazione del movimento vigoroso (VMC) di ciascun animale, un punto di riferimento spesso utilizzato per quantificare la "durata della salute" di un individuo come distinto dalla sua durata di vita. Raccogliendo simultaneamente dati sulla durata della vita e sull'invecchiamento comportamentale, l'LSM supporta lo studio degli interventi che possono avere effetti differenziali su diversi esiti fenotipici dell'invecchiamento20. Una varietà di fenotipi osservabili macroscopicamente può essere utilizzata per studiare l'invecchiamento comportamentale, come il movimento del corpo o il pompaggio faringeo21, l'integrità dei tessuti22 e la velocità di movimento o la rotazione indotta da stimoli17. I confronti tra diversi fenotipi di invecchiamento possono supportare l'analisi della struttura causale dei processi di invecchiamento. Ad esempio, il confronto tra VMC e durata della vita è stato recentemente utilizzato per caratterizzare due distinti processi di invecchiamento in C. elegans23.
Sebbene inizialmente sviluppato per misurare la durata della vita in C. elegans, l'LSM supporta la raccolta di dati comportamentali e di sopravvivenza da una serie di specie di nematodi, tra cui C. briggsae, C. tropicalis, C. japonica, C. brenneri, e P. Pacifico23. La tecnologia facilita lo studio dell'effetto degli interventi biologici e ambientali sulla durata della vita, sulla resistenza allo stress e sulla resistenza ai patogeni e può essere accoppiata a strumenti sperimentali come saggi mirati di interferenza dell'RNA o sistemi di degradazione delle proteine inducibili dall'auxina. Ad oggi, è stato utilizzato nella letteratura scientifica per una vasta gamma di applicazioni 6,24,25,26,27,28,29,30.
Qui, delineiamo un protocollo passo-passo per l'esecuzione di un esperimento Lifespan Machine utilizzando piastre di agar, dalle fasi iniziali della configurazione sperimentale all'output delle curve di sopravvivenza risultanti. Una caratteristica distintiva dell'LSM è che lo sforzo è altamente front-loaded, il che significa che la maggior parte del tempo del ricercatore viene speso durante la configurazione sperimentale e, in piccola misura, durante l'acquisizione post-immagine. La raccolta dei dati è completamente automatizzata per tutta la durata dell'esperimento e permette al ricercatore di avere un'esperienza "a mani libere". I passaggi qui descritti sono condivisi da molti tipi diversi di saggi di sopravvivenza: la stessa configurazione sperimentale viene eseguita per i saggi di durata della vita, termotolleranza, stress ossidativo e patogenesi. Nella sezione dei risultati rappresentativi, discutiamo un sottoinsieme di dati da un manoscritto pubblicato di recente per illustrare l'efficacia della pipeline di analisi ed evidenziare i passaggi più importanti durante l'analisi delle immagini23.
1. Requisiti software e hardware
Figura supplementare 1: Durata della vita Hardware della macchina. Un'unità scanner piana con coperchio aperto per mostrare le lastre caricate, che sono posizionate a faccia in giù in 16 aperture tagliate su un tappetino di gomma. Il tappetino in gomma viene posizionato sulla superficie di uno scanner di vetro. Le etichette per le condizioni sono scritte sui lati delle piastre per evitare problemi durante l'analisi delle immagini. Il nastro di marcatura con il numero ("1") e/o il nome del dispositivo ("Jabba") facilita la successiva verifica della posizione del campione quando si lavora con più dispositivi di scansione. Ulteriori dettagli sui componenti hardware LSM sono disponibili altrove13. Fare clic qui per scaricare il file.
2. Installazione prima del giorno dell'esperimento
3. Installazione il giorno dell'esperimento
4. Acquisizione pre-immagine
NOTA: Nella Figura 1 è illustrato un diagramma di flusso completo che riassume tutte le fasi basate su software durante l'acquisizione delle immagini.
Figura 1: Panoramica grafica della pipeline di analisi delle immagini di Lifespan Machine. Le fasi di pre, durante e post-acquisizione dell'immagine vengono eseguite in gran parte sull'interfaccia web (WI, in rosso) e sul Worm Browser (WB, in verde). Alcuni passaggi vengono eseguiti in altre piattaforme (O, in blu), ad esempio i documenti TXT nel passaggio 3a, Photoshop o equivalente nel passaggio 4b e JMP o equivalente nel passaggio 13. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 2: Anteprima dell'immagine di acquisizione e selezione dell'area di scansione. (A) Per ogni scanner dell'esperimento, viene generata un'immagine di acquisizione in anteprima. (B) Selezione di una fila di lastre alla volta (caselle rosse), che aumenta la velocità di scansione e previene la sfocatura del movimento dei vermi a causa di aree di scansione troppo ampie. Fare clic qui per visualizzare una versione più grande di questa figura.
5. Acquisizione delle immagini
NOTA: i passaggi seguenti possono essere eseguiti sia durante l'esecuzione dell'esperimento che al termine dell'esperimento.
Figura 3: Specifica delle posizioni delle lastre per ogni scanner utilizzando maschere campione. Per garantire l'analisi indipendente delle lastre all'interno delle selezioni di colonna mostrate nella Figura 1, le singole lastre devono essere identificate generando una maschera di immagine composita. (A) L'acquisizione delle scansioni degli scanner viene aperta con un software di manipolazione delle immagini (notare il nome dello scanner "han" sopra una selezione scansionata e "a-d" che si riferisce a ciascuna delle colonne). (B) I singoli passaggi della generazione della maschera per contrassegnare la posizione di ogni lastra nella maschera composita richiedono che lo sfondo sia impostato su nero, (C) la rimozione dei bordi frastagliati e dei bordi delle lastre non selezionate mediante l'espansione e quindi la riduzione dello sfondo e (D) la selezione delle lastre in primo piano e il riempimento delle aree interamente con pixel bianchi.) Affinché LSM riconosca le singole lastre nelle righe scansionate, ogni area bianca di una riga viene riempita con una diversa tonalità di grigio, di solito con luminosità crescente. (F) A questo punto, la maschera viene salvata (compressione LZW senza livelli specificati se generata in Photoshop). La maschera viene quindi scansionata dal Worm Browser e viene generata una visualizzazione della maschera da parte del software. Una corretta visualizzazione della maschera dovrebbe visualizzare un quadrato definito per piatto con una piccola croce al centro e un colore diverso per ogni riga. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 4: Controllo della qualità delle lastre tramite l'interfaccia web. La censura delle lastre non ottimali sull'interfaccia web prima dell'analisi del movimento del worm è fondamentale per accelerare la pipeline di elaborazione delle immagini. Esempi di piastre soggette a rimozione includono condizioni di (A) essiccazione, (B) contaminazione o (C) appannamento, in contrapposizione. (D) Piastre ottimali da includere in ulteriori analisi. Una barra di scala di 10 mm viene sovrapposta a un'immagine di acquisizione in anteprima. Fare clic qui per visualizzare una versione più grande di questa figura.
6. Acquisizione post-immagine
NOTA: una volta completato il rilevamento dei worm, tutti i dati raccolti dall'esperimento devono essere aggregati nel tempo per tenere traccia di ogni individuo nel corso della sua vita e identificare tutti i tempi di morte degli individui. Attendere che tutti gli animali dell'esperimento siano morti e che tutti i processi di rilevamento dei vermi siano stati completati, quindi eseguire i seguenti passaggi:
Figura 5: Storyboard di un animale nel Worm Browser. (A) Tutti i vermi stazionari sono mostrati in ordine cronologico di tempo di morte annotato dalla macchina. Per spostarsi nello storyboard, premere i pulsanti nell'angolo (B) in basso a destra e (C) salvare spesso le annotazioni. (D) Le immagini con uno sfondo non grigio raffigurano due eventi di morte dei vermi (morte precoce come verde, morte successiva come rosso), che possono verificarsi quando due vermi muoiono vicini l'uno all'altro, o quando i vermi morti vengono spostati da un verme di passaggio e sono, quindi, rilevati come morti due volte. (E) Un tag rosso nell'angolo inferiore di un'immagine identifica i vermi con un tempo di morte rilevato; (F) un'etichetta verde indica dove un oggetto non è rimasto fermo abbastanza a lungo da registrare un tempo di morte. (G) Più worm nello stesso frame possono essere contrassegnati premendo Maiusc e facendo clic con il pulsante sinistro del mouse. (H) Gli oggetti non worm vengono esclusi dall'analisi facendo clic con il pulsante destro del mouse. (I) I vermi esplosi vengono censurati dall'analisi facendo clic sull'immagine corrispondente (si apre una finestra di annotazione manuale) e premendo Maiusc e facendo clic con il pulsante destro del mouse finché non viene visualizzato il messaggio "animale esploso". Una barra di scala di 0,5 mm e le etichette sono sovrapposte allo screenshot di una finestra di Worm Browser. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 6: Ispezione degli oggetti e annotazione dei tempi di morte nel Worm Browser. Facendo clic con il pulsante sinistro del mouse su qualsiasi oggetto nello storyboard di Worm Browser si apre una nuova interfaccia e consente all'utente di ispezionare le dinamiche di movimento dell'oggetto. Sul lato destro viene visualizzato il punteggio di movimento (A), che quantifica il movimento dell'oggetto; Questo è stimato dalla variazione dell'intensità dei pixel tra osservazioni consecutive. Inoltre, sul lato destro, (B) viene visualizzata la variazione dell'intensità totale dell'oggetto, che quantifica le variazioni delle dimensioni dell'oggetto. Sul lato sinistro, la barra superiore mostra la stima (C) della macchina del tempo di morte, mentre la barra inferiore è l'annotazione (D) della mano umana. Facendo clic su un punto qualsiasi delle barre e premendo la barra spaziatrice, l'utente può spostarsi attraverso gli intervalli di tempo in cui è stata visualizzata l'immagine del worm. Su queste barre, il rosa rappresenta il tempo trascorso in un movimento vigoroso, il rosso rappresenta il tempo trascorso nella morte e il giallo è tutto ciò che sta nel mezzo. Il tempo trascorso in espansione e contrazione dopo il tempo di morte è mostrato in verde. Le etichette vengono sovrapposte allo screenshot di una finestra di Worm Browser. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 7: Statistiche di riepilogo della popolazione nel browser Worm. Statistiche di popolazione per il dispositivo scanner "obiwan", con un grafico della sopravvivenza (pannello di sinistra) e un grafico a dispersione del tempo di cessazione del movimento vigoroso (VMC) rispetto al tempo di morte (pannello di destra). I grafici sono i dettagli di (A) una condizione, ottenuti da (B) uno scanner ottenuto selezionando prima (C) il raggruppamento di sopravvivenza per ceppo. (D) Le forme quadrate nel grafico a dispersione rappresentano gli eventi annotati a mano, mentre (E) le forme circolari rappresentano gli eventi annotati dalla macchina. (F) L'annotazione manuale è spesso richiesta per eventi di morte che si verificano precocemente o (G) quelli in cui il tempo di cessazione del movimento vigoroso coincide con il tempo di morte. Le etichette vengono sovrapposte allo screenshot di una finestra di Worm Browser. Fare clic qui per visualizzare una versione più grande di questa figura.
La riproducibilità sperimentale nei saggi di durata della vita è impegnativa e richiede sia condizioni sperimentali strettamente controllate che grandi popolazioni per ottenere una risoluzione statistica sufficiente 4,36. L'LSM è particolarmente adatto per il rilevamento di grandi popolazioni di animali in un ambiente costante con un'elevata risoluzione temporale. Per dimostrare la capacità dell'LSM, evidenziare le fasi cruciali dell'analisi e aiutare i ricer...
Qui forniamo un protocollo dettagliato e accessibile per l'esecuzione di un esperimento utilizzando l'ultima versione di Lifespan Machine. Abbiamo dimostrato che il passaggio critico per ottenere curve di sopravvivenza ben risolte è l'esclusione manuale di oggetti non vermi durante l'acquisizione post-immagine. L'annotazione manuale del tempo di morte ha un piccolo effetto sulla forma complessiva delle curve di sopravvivenza, dimostrando che la stima del tempo di morte completamente automatizzata è efficiente anche sen...
Gli autori dichiarano di non avere interessi concorrenti.
Ringraziamo Julian Ceron e Jeremy Vicencio (IDIBELL Barcelona) per aver prodotto l'allele rpb-2 (cer135). Questo progetto è stato finanziato dal Consiglio europeo della ricerca (CER) nell'ambito del programma di ricerca e innovazione Horizon 2020 dell'Unione europea (accordo di sovvenzione n. 852201), dal Ministero spagnolo dell'Economia, dell'Industria e della Competitività (MEIC) al partenariato EMBL, dal Centro de Excelencia Severo Ochoa (CEX2020-001049-S, MCIN/AEI /10.13039/501100011033), dal Programma CERCA/Generalitat de Catalunya, dal premio MEIC Excelencia BFU2017-88615-P, e un premio della Glenn Foundation for Medical Research.
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 |
Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE
Richiedi AutorizzazioneThis article has been published
Video Coming Soon