Name: Lifespan Machine Experiment Preparation and Setup for Lifespan and Behavioral Aging Assays on Caenorhabditis elegans
Uploaded: 2024-01-26T13:00:00
Description: Watch this Scientific Journal Video about Lifespan Machine Experiment Preparation and Setup for Lifespan and Behavioral Aging Assays on Caenorhabditis elegans at JoVE.com

lifespan machine experiment preparation and setup for lifespan and behavioral aging assays on caenorhabditis elegans

Avslöja åldrande mysterier: Livslängdsmaskin för insikter med hög genomströmning

Aging is a complex, multifaceted process characterized by a decline in the physiological function of an organism, which leads to an increase in the risk of disease and death over time1. Lifespan, measured as the time from birth or the onset of adulthood until death, provides an unambiguous outcome of aging2 and an indirect but rigorously quantitative proxy for measuring the relative rate of aging between populations3. Aging studies often depend on accurate measurements of lifespan, similar to clinical trials, to compare outcomes between one population exposed to an intervention and an unexposed control group. Unfortunately, reproducibility issues pervade aging research, sometimes due to statistically underpowered experiments4 and often because of the inherent sensitivity of lifespan assays to subtle variations in the environment5. Robust experiments require multiple replicates of large populations, and this process particularly benefits from the experimental scalability offered by automation6.
The rigorous demands of lifespan assays originate from the unpredictability of the aging process itself. Isogenic individuals housed in identical environments display different death times and rates of physiological decline7, suggesting that lifespan involves a high degree of stochasticity7,8. Therefore, large populations are required to measure quantitative changes in the aging process, such as changes in the mean or maximum lifespan, and to overcome biases arising from individual variability. In addition, a capacity for high-throughput lifespan assays is crucial to support studies of survival curve shapes and models of the dynamics of aging9.
The nematode Caenorhabditis elegans is an invaluable model for aging research due to its short lifespan, genetic tractability, and rapid generation time, which underscore its suitability for high-throughput aging and lifespan assays. Traditionally, the lifespan in C. elegans has been measured by following a synchronized, small population of about 50-100 animals over time on solid media and writing down the time of individual deaths. As animals age and lose mobility, manually scoring the death times requires individually prodding the animals and checking for small movements of the head or tail. This is usually a tedious and laborious process, though efforts have been made to accelerate it10,11,12. Importantly, slow experimental pipelines hinder progress in our understanding of aging and the effectiveness of tested interventions.
To meet the demands of aging research for quantitative data, many technologies have been developed for automating data collection, including a remarkable range of approaches from microfluidic chambers to flatbed scanners13,14,15,16,17,18. The LSM differs from other methods in its extensive optimization for the collection of highly precise and accurate lifespan data, which is achieved through the development of careful equipment calibration protocols combined with an extensive software suite that allows users to validate, correct, and refine automated analyses13. Though the software can, in principle, be applied to diverse imaging modalities, in practice, most users use flatbed scanners modified to allow for fine-tuned control over the environmental temperature and humidity - factors of critical importance due to their major effect on lifespan19. The LSM takes images of nematodes every 20 min over intervals ranging from days to months, depending on the environmental conditions and genotype. The data produced are of much higher temporal resolution compared to data from manual assays, and the images collected provide a permanent visual record of the nematode position across the lifespan. Using machine-learning methods, death times are automatically assigned to each individual. These results can be rapidly, manually validated using a client software called &#34;Worm Browser&#34;. As a result of its hardware and software, the LSM can generate survival curves that are statistically indistinguishable from manual death scoring at the hands of experienced researchers, with the added advantage of decreased workload and higher scalability13.
The latest version of the LSM also allows for the study of behavioral aging by collecting morphological and behavioral data throughout the nematode&#39;s life and reporting it along with the lifespan of each individual. In particular, the LSM captures the time of each animal&#39;s vigorous movement cessation (VMC), a landmark often used to quantify the &#34;healthspan&#34; of an individual as distinct from its lifespan. By simultaneously collecting lifespan and behavioral aging data, the LSM supports the study of interventions that may have differential effects on different phenotypic outcomes of aging20. A variety of macroscopically observable phenotypes can be used to study behavioral aging, such as body movement or pharyngeal pumping21, tissue integrity22, and movement speed or stimulus-induced turning17. Comparisons between different aging phenotypes can support analyses of the causal structure of aging processes. For instance, the comparison between VMC and lifespan was recently used to characterize two distinct aging processes in C. elegans23.
While initially developed to measure lifespan in C. elegans, the LSM supports the collection of survival and behavioral data from a range of nematode species, including C. briggsae, C. tropicalis, C. japonica, C. brenneri, and P. pacificus23. The technology facilitates the study of the effect of biological and environmental interventions on lifespan, stress resistance, and pathogen resistance and can be coupled to experimental tools such as targeted assays of RNA interference or auxin-inducible protein degradation systems. To date, it has been used in the scientific literature for a wide range of applications6,24,25,26,27,28,29,30.
Here, we outline a step-by-step protocol for performing a Lifespan Machine experiment using agar plates, from the initial stages of the experimental setup to the output of the resulting survival curves. A distinctive feature of the LSM is that the effort is highly front-loaded, meaning that the majority of the researcher&#39;s time is spent during experimental setup and, to a small degree, during post-image&#160;acquisition. The data collection is completely automated for the whole duration of the experiment and allows the researcher to have a &#34;hands-free&#34; experience. The steps described here are held in common among many different types of survival assays - the same experimental setup is performed for lifespan, thermotolerance, oxidative stress, and pathogenesis assays. In the representative results section, we discuss a subset of data from a recently published manuscript to illustrate the effectiveness of the analysis pipeline and highlight the most important steps during image analysis23.

Författare i fokus: Automatiserad livslängdsövervakning – Upptäck åldrandets dynamik med Lifespan Machine 

Beteendeåldrings- och livslängdsanalyser med hög genomströmning med hjälp av livslängdsmaskinen

In our lab, we study the physiological and molecular determinants of aging and lifespan, and we do so in a quantitative manner. For this, we use the nematode C.elegans as a fast-aging genetically tractable model, and we use it with a combination of tools such as the Lifespan Machine. Reproducibility is an important issue in aging research.To overcome this, large population of animals are often required for measuring robust changes in lifespan, and therefore, this process really benefits from automated high-throughput protocols. Lots of people have used the Lifespan Machine for many different purposes and are really happy about that. For our own applications, the two most significant findings are, first, in 2016, our discovery of temporal scaling as a common outcome of many interventions in aging.And second, in 2022, our discovery that healthspan and lifespan are determined by distinct underlying physical declines. The Lifespan Machine adapts commonly used agar plate protocols to collect survival and behavioral aging data from large populations of nematodes. By automation and high-frequency of image acquisition, it eliminates the daily tedious process of by-hand survival assays and gathers previously unattainable datasets on nematode behavior.

Watch this Scientific Journal Video about Lifespan Machine Experiment Preparation and Setup for Lifespan and Behavioral Aging Assays on Caenorhabditis elegans at JoVE.com

Lifespan Machine Experiment Preparation and Setup for Lifespan and Behavioral Aging Assays on Caenorhabditis elegans   

Förberedelse och inställning av livslängdsmaskinexperiment för livslängds- och beteendeåldringsanalyser på Caenorhabditis elegans

Börja med att se till att skannerplattorna är redo med nematoder laddade. Generellt sett är cirka 40 djur och 200 mikroliter bakteriegräsmatta per tallrik optimala förutsättningar för ett livslångt experiment. Starta experimentuppställningen genom att applicera ett anti-dimma glasrengöringsmedel på båda sidor av glasrutorna som kommer att stödja skannerplattorna.Applicera sedan en skyddande hydrofob glasbehandling på den sida av glaset som kommer i kontakt med skannerplattorna. Vänta fem till 10 minuter och ta bort eventuella rester på glasrutan. Applicera 70 % etanol för att desinficera den sida av glaset som kommer i kontakt med skannerplattorna.Låt stå i en till två minuter och ta sedan bort etanolen med en trasa eller pappershandduk. För att ladda plattorna på skannrarna, placera autoklavgummimattorna ovanpå det behandlade plattans stödglas. Ta skannerplattorna som används för avbildning med laddade nematoder och ta bort locket.Placera plattorna på gummimattor som vetter mot glasytan. Koppla ur skannerfläktarna för att skydda experimentatorns fingrar under plattladdning. Skjut försiktigt plattorna och glasskivorna som stöder dem på skannerns yta.Återaktivera skannerfläktarna och kontrollera att de främre och sidofläktarna är strömförsörjda. Slå på skannrarna vid det här laget. Innan du påbörjar experimentet ska du utföra de viktigaste stegen för att samla in en förbild, inklusive att få en förhandsgranskningsbild av hela skannerytan.Med hjälp av web gränssnitt, hitta bildförvärvssektionen på huvudsidan och följ länken som heter Capture Devices and Image Servers. I den öppnade rutan klickar du på sök efter nya enheter och ser till att varje skanner som är ansluten till servern visas i rutan för bildtagningsenheter. Markera kryssrutan för varje skanner som innehåller nyladdade plåtar och klicka sedan på knappen för förhandsgranskning.Välj sedan öppna bild i maskwebbläsaren och välj sedan önskad bild för att öppna varje förhandsgranskningsbild. För varje bild klickar du för att markera de kolumner som motsvarar områden som innehåller plåtar. När alla bilder har definierats väljer du bildhämtning.Definiera skanningsområden, spara valda skanningsområden på skiva och välj sedan önskad plats för att exportera regionens specifikationer till skiva. Sätt ihop en fil som innehåller experimentnamnet, de fysiska platserna för varje kolumn på skannrarna, experimentets totala varaktighet och avbildningsfrekvensen. Spara detta som en text- och XML-fil.I maskwebbläsaren klickar du på bildhämtning, skickar experimentschema och väljer den genererade XML-filen. Maskbläddraren frågar om du vill mata ut en sammanfattning av schemat eller köra experimentet. Generera en sammanfattningsfil, kontrollera datumen för schemalagda avbildningar, plats, namn och antal skannrar i sammanfattningen.Läs in XML-filen för experimentschemat igen enligt vad som visas. Maskwebbläsaren frågar en andra gång om du vill mata ut en sammanfattning av schemat eller köra experimentet. Den här gången väljer du att köra experimentet.Livslängdsmaskinen kommer nu att arbeta autonomt tills de slutliga skanningarna som anges i experimentschemat är klara. När experimentet har avslutats och alla steg för bild- och portohämtning har utförts validerar du de automatiska resultaten manuellt med hjälp av maskwebbläsaren. Klicka på filen på menyn Maskwebbläsare, välj aktuellt experiment och välj önskat experiment.Om du vill generera storyboarden klickar du på validering, bläddrar i hela experimentet och väljer sedan direkt efter varje masks död. Högerklicka på objektets bild för att utesluta objekt som inte är maskar från storyboarden. Om du vill utesluta alla objekt på en sida samtidigt håller du ned Ctrl-tangenten och högerklickar på ett objekt.Högerklicka två gånger för att inkludera ett uteslutet objekt i analysen igen. För att spara anteckningarna som gjorts under storyboardanteckningen, klicka på spara-knappen. Vänsterklicka en gång på ett objekt i storyboarden för att öppna ett nytt fönster som visar detaljerad tidsserieinformation om objektet.För att manuellt kommentera dödstiderna, vänsterklicka på den nedre raden vid den punkt som motsvarar tidpunkten för döden. Använd mellanslagstangenten och höger- eller vänsterpilarna på tangentbordet för att flytta genom tidsramarna eller klicka direkt på fältet vid önskad tidsram. Kommentera kontraktions- och expansionshändelserna manuellt genom att högerklicka på den nedre raden vid önskad tidsram.Se överlevnadskurvorna på vänster sida och spridningsdiagrammet som jämför tiden för kraftigt rörelseupphörande med tidpunkten för döden för varje individ på höger sida av storyboarden. Om du vill generera dödstider för ett experiment väljer du datafiler, dödstider i maskwebbläsaren och klickar sedan på generera dödstider för det aktuella experimentet. Effekten av manuell datavalidering på överlevnadskurvor visas här.De initiala överlevnadskurvorna som producerades före storyboard-annoteringen förvrängdes av felaktig inkludering av icke-maskobjekten. Efter att ha uteslutit icke-maskobjekt under manuell storyboard-anteckning visade de resulterande överlevnadskurvorna signifikant förbättrad upplösning. Den grafiska representationen visar den uppskattade genomsnittliga återstående livslängden för olika steg i analysen efter bildinsamlingen och dess korrelation med maskens livslängd.Det visade sig att manuell annotering av dödstider i beteendemässig åldrandeanalys är särskilt viktig för längre levande maskar. I det här fallet de som utsätts för de lägsta koncentrationerna av oxar. Sammanfattningsvis är livslängdsmaskinens automatiserade dödstidsuppskattning tillräckligt exakt för överlevnadsanalyser.Medan beteendemässiga åldrandeanalyser kan dra nytta av manuell anteckning.

Research

JoVE Journal

Biology

Lifespan Machine Experiment Preparation and Setup for Lifespan and Behavioral Aging Assays on Caenorhabditis elegans

High-Throughput Behavioral Aging and Lifespan Assays Using the Lifespan Machine

Genetically identical animals kept in a constant environment display a wide distribution of lifespans, reflecting a large non-genetic, stochastic aspect ...