Method Article

Een smartphone-gebaseerde beeldvormingsmethode voor C. elegans gazonvermijdingstest

DOI:

10.3791/65197

⸱

February 24th, 2023

 ,  , 
1Department of Physiology, Mitohormesis Research Center, Yonsei University Wonju College of Medicine, 2Division of Biological Science and Technology, College of Science and Technology, Yonsei University, Mirae Campus

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dit artikel beschrijft een eenvoudige, goedkope methode voor het registreren van het gazonvermijdingsgedrag van Caenorhabditis elegans, met behulp van direct beschikbare items zoals een smartphone en een lichtbak (light emitting diode). We bieden ook een Python-script om het videobestand te verwerken in een formaat dat meer geschikt is om te tellen.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bij blootstelling aan giftige of pathogene bacteriën vertoont de nematode Caenorhabditis elegans een aangeleerd gazonvermijdingsgedrag, waarbij de wormen geleidelijk hun voedselbron verlaten en liever buiten het bacteriële gazon blijven. De test is een eenvoudige manier om het vermogen van de wormen te testen om externe of interne signalen te detecteren om goed te reageren op schadelijke omstandigheden. Hoewel het een eenvoudige test is, is tellen tijdrovend, vooral met meerdere monsters, en testduur die 's nachts duurt, is onhandig voor onderzoekers. Een beeldvormingssysteem dat veel platen over een lange periode in beeld kan brengen, is nuttig maar kostbaar. Hier beschrijven we een op smartphones gebaseerde beeldvormingsmethode om gazonvermijding in C. elegans vast te leggen. De methode vereist alleen een smartphone en een lichtbak (light emitting diode) (LED) om als een doorgelaten lichtbron te dienen. Met behulp van gratis time-lapse cameratoepassingen kan elke telefoon tot zes platen in beeld brengen, met voldoende scherpte en contrast om wormen buiten het gazon handmatig te tellen. De resulterende films worden verwerkt tot 10 s audio video interleave (AVI) -bestanden voor elk tijdspunt per uur en vervolgens bijgesneden om elke afzonderlijke plaat weer te geven om ze meer vatbaar te maken voor tellen. Deze methode is een kosteneffectieve manier voor diegenen die vermijdingsdefecten willen onderzoeken en kan mogelijk worden uitgebreid naar andere C. elegans-assays.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Een van de vele voordelen van het bestuderen van C. elegans, het eenvoudige zenuwstelsel biedt de mogelijkheid om te bestuderen hoe veranderingen op genetisch en cellulair niveau de netwerkfunctie en gedragsoutput beïnvloeden. Ondanks het feit dat ze een beperkt aantal neuronen hebben, vertonen C. elegans een breed scala aan complexe gedragingen. Een daarvan is gazonvermijding, waarbij de bacterivore nematode reageert op een schadelijke voedselbron door het bacteriële gazon te verlaten. C. elegans vermijden gazons van pathogene bacteriën 1,2,3, gazons van bacteriën die toxines produceren of zijn geprikt met toxines 1,4, en zelfs RNAi-tot expressie brengende bacteriën waarvan het doelgen knockdown schadelijk is voor de gezondheid van de wormen 4,5. Studies hebben aangetoond dat wormen reageren op externe signalen zoals metabolieten geproduceerd door de pathogene bacteriën 1,6, of interne signalen die aangeven dat het voedsel hen ziek maakt 4,7. Deze signalen worden verwerkt via geconserveerde signaalroutes, zoals de mitogeen-geactiveerde proteïnekinase (MAPK) route en de transformerende groeifactor beta (TGFβ) route, en vereisen communicatie tussen de darm en het zenuwstelsel 4,6,7,8.

Hoewel de test eenvoudig is, ontwikkelt het aangeleerde gedrag zich gedurende vele uren, vaak 's nachts. Hoewel er mutanten zijn die niet in staat zijn om te vertrekken, in welk geval het scoren van vermijding op slechts één tijdstip voldoende is om het defect aan te tonen, vertrekken veel mutanten uiteindelijk wel, maar komen ze langzamer naar buiten. Hiervoor moet de beweging van de wormen om de paar uur worden gevolgd, wat 's nachts moeilijk kan zijn. Het tellen zelf kost ook tijd, waardoor er een vertragingstijd tussen de platen ontstaat en dus het aantal platen dat tegelijkertijd kan worden getest, wordt beperkt. Het gebruik van een beeldvormingsopstelling om veel platen tegelijkertijd op te nemen voor de hele duur van de test zou zeer nuttig zijn, maar de kosten van de installatie kunnen onbetaalbaar zijn, afhankelijk van de financieringssituatie van het onderzoekslaboratorium.

Om dit aan te pakken, hebben we een zeer eenvoudige methode bedacht die smartphones gebruikt om vermijdingstests vast te leggen. Elke telefoon kan time-lapse-video's van maximaal zes testplaten opnemen. Om doorgelaten licht te bieden, gebruiken we een light emitting diode (LED) lichtbak die gemakkelijk online kan worden gekocht. Testplaten worden op een verhoogd platform geplaatst, ondersteund door holle rechthoekige tunnels, die het binnenkomende licht focussen, waardoor contrast ontstaat. We bieden ook een Python-script dat de video's converteert naar audio-video interleave (AVI) -bestanden met 10 s-clips van elk uurtijdstip. De video's worden vervolgens bijgesneden tot afzonderlijke platen en opgeslagen in afzonderlijke bestanden om te gebruiken voor handmatig tellen.

De methode biedt een goedkope procedure die ook uiterst eenvoudig te gebruiken is, met behulp van items die voor de meeste mensen direct beschikbaar zijn. Hier beschrijven we de methode met behulp van de gevestigde gazonvermijdingstest tegen de menselijke ziekteverwekker Pseudomonas aeruginosa (PA14), waarvan het protocol eerder is beschreven 2,9. Ten slotte bekijken we ook de overwegingen en beperkingen van de beeldvormingsmethode voor degenen die deze willen toepassen op andere gedragsexperimenten van C. elegans.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Opstelling van het beeldvormingsapparaat (figuur 1A-E)

  1. Zorg ervoor dat er een smartphonecamera met de volgende minimumvereisten beschikbaar is:
    12 megapixel (MP) camera
    Video met een resolutie van 1080p
    5 GB opslagruimte (20 min video is 3-4 Gb)
    Time-lapse video-app uit de applicatiewinkel (gratis applicaties beschikbaar)
  2. Plaats de LED-lichtbak op het onderste rek van de 25 °C-incubator waar de test zal plaatsvinden.
  3. Om het stippelpatroon op het LED-lichtoppervlak te verbergen, spreidt u twee vellen tissues uit om het hele oppervlak van de LED-box te bedekken.
  4. Maak een verhoogd stadium voor het monster (figuur 1A,D). Het verhoogde podium is een doorzichtige plastic plaat ondersteund door holle rechthoekige tunnels. Tunnels functioneren als een condensor om licht te focussen, waardoor het monster beter contrasteert (figuur 1C). Zorg ervoor dat de wanden van de tunnel enigszins donker zijn om lichtverstrooiing te minimaliseren. In dit onderzoek werd gebruik gemaakt van bruine papieren dozen. De afmeting van de tunnel is 5,5 cm x 17 cm x 4,5 cm (B x L x H). De LED-lichtbak past in maximaal vijf tunnels.
  5. Plaats een ander rek boven het podium om de telefoons te plaatsen voor opname (figuur 1B, E). Elke telefoon neemt drie tot zes platen op (één tot twee rijen van drie platen), dus pas de rackhoogte dienovereenkomstig aan. Dit zal ongeveer 15 cm boven het monster liggen (figuur 1B).
  6. Plaats een stekkerdoos in de couveuse om de telefoons aan te sluiten tijdens het opnemen 's nachts.

2. Voorbereiding van buffers en media

  1. Bereid M9-buffer door 3 g KH 2 PO 4, 6 g Na 2 HPO4 en 5 g NaCl toe te voegen aan 1 L gedestilleerd H2O. Steriliseer door autoclaveren bij121 °C gedurende 20 minuten. Laat de buffer afkoelen en voeg vervolgens 1 ml 1 M MgSO4 toe.
  2. Bereid 1 M KPO 4-buffer voor door 108,3 g KH 2 PO 4 en 35,6 g K 2 HPO4 toe te voegen aan 1 L H2O. Stel de pH in op 6,0door KOH toe te voegen. Steriliseren door autoclaveren.
  3. Bereid wormbleekoplossing door 1 ml bleekmiddel, 0,4 ml 1 M NaOH en 2,6 ml H2O te mengen.
  4. Bereid nematode groeimedia (NGM) agarplaten.
    1. Voeg 3 g NaCl, 2,5 g bacto pepton en 17 g bacto agar toe in een kolf van 3 L. Voeg 975 ml gedestilleerd water toe en plaats een roerstaaf.
    2. Steriliseer door autoclaveren, koel vervolgens af tot 55 °C en voeg 1 ml cholesterol (5 mg / ml in ethanol), 1 ml 1 M CaCl2, 1 ml 1 M MgSO 4 en 25 ml 1 M KPO4-buffer (pH 6,0) toe. Roer om goed te mengen. Giet in borden van 6 cm. Laat de borden minstens 2 dagen drogen.
  5. Zaai NGM-agarplaten met OP50 E. coli door ongeveer 1 ml van een nachtcultuur van OP50 te pipetteren om een gazon van bacteriën te vormen. Laat op kamertemperatuur (RT) staan tot het klaar is voor gebruik.

3. Bereiding van NGM-platen met een hoog peptongehalte (voor PA14)

OPMERKING: Deze platen moeten ten minste 5 dagen voor de test worden gemaakt.

  1. Maak NGM met 0,35% pepton. Meng 0,3 g NaCl, 0,35 g bactopepton en 1,7 g bacto-agar in een erlenmeyer van 250 ml. Voeg 97,5 ml gedestilleerd water toe en plaats een roerstaaf.
  2. Bedek de mond van de kolf met aluminiumfolie en autoclaaf bij 121 °C gedurende 20 minuten.
  3. Koel af tot 55 °C en voeg 0,1 ml cholesterol (5 mg/ml in ethanol), 0,1 ml 1 M CaCl 2, 0,1 ml 1 M MgSO 4 en2,5 ml 1 M KPO4-buffer (pH 6,0) toe. Roer om goed te mengen.
  4. Giet high-peptone NGM in petrisalen van 35 mm.
  5. Droog de borden minstens 2 dagen.

4. Wormen synchroniseren door bleken

OPMERKING: Start deze stap 3 dagen voor de test.

  1. Neem platen met gravid volwassen wormen en verzamel ze in een microbuis van 1,7 ml door de platen te wassen met M9-buffer.
  2. Verwijder zoveel mogelijk vloeistof en voeg vervolgens 400 μL bleekoplossing toe. Wacht ongeveer 4-5 minuten met intermitterende vortexing, totdat de volwassen wormlichamen breken en de eieren vrijkomen.
  3. Voeg M9-buffer toe om de rest van de microbuis te vullen om de bleekoplossing te verdunnen. Draai op maximale snelheid (12.000 tot 13.000 x g) gedurende 1-2 s. Verwijder het supernatant en was het nog drie keer met M9-buffer.
  4. Breng de eieren over in een lege petrischaal van 35 mm met M9-buffer. Laat de eieren een nacht uitkomen bij 20 °C. Bij afwezigheid van voedsel zullen uitgekomen wormen stoppen in het L1-larvale stadium, waardoor het ontwikkelingsstadium van alle wormen wordt gesynchroniseerd.
    OPMERKING: Het coaten van de 35 mm petrischaal met gelatine-oplossing (0,05% gelatine in geautoclaveerd water) kan voorkomen dat de eieren aan de bodem blijven plakken en het verlies van eieren minimaliseren.
  5. Breng de volgende dag L1-stadiumwormen over naar OP50-gezaaide NGM-platen.
  6. Incubeer de wormen bij 20 °C gedurende 53-54 uur totdat de wormen het L4-larvale stadium bereiken.

5. Bereiding van bacteriën ( Pseudomonas aeruginosa, PA14)

OPMERKING: Start deze stap 4 dagen voor de test.

  1. Streep ontdooide bacteriën van -80 °C op een Luria Bertani (LB) agarplaat zonder antibioticum en incubeer 's nachts bij 37 °C.
    LET OP: Gebruik altijd verse bacteriën. Gestreepte platen moeten niet langer dan 1 week bij 4 °C worden bewaard.
  2. Ent een enkele kolonie in 3 ml koningsbouillon en groei 's nachts in een 37 °C schuddende incubator.
  3. Zaai de volgende dag 7 μL van de nachtcultuur op de NGM-platen met een hoog peptongehalte en incubeer gedurende 24 uur bij 37 °C.
  4. Verplaats de gezaaide platen naar RT en incubeer nog eens 24 uur voor gebruik. Eenmaal klaar, gebruik de plaat binnen de volgende 24 uur.

6. Voorbereiding om op te nemen

OPMERKING: Doe dit vlak voor de test.

  1. Sluit de smartphone aan op de stekkerdoos die is aangesloten op een stopcontact. Zorg ervoor dat u de instelling voor automatisch vergrendelen uitschakelt om te voorkomen dat de telefoon tijdens het opnemen terugkeert naar het vergrendelingsscherm.
  2. Open de time-lapse camera-app en stel het time-lapse-interval in op 2 s. Stel de videokwaliteit in op 1080p bij 30 fps.
  3. Plaats de smartphone met het scherm naar boven gericht om op te nemen met de camera aan de achterkant. Controleer het scherm om er zeker van te zijn dat de tunnels van de papieren doos binnen het gezichtsveld passen.

7. Gazonvermijdingstest

  1. Breng met behulp van een platina draadprikker 30 gesynchroniseerde L4-trapwormen (53-54 uur van L1) over naar de PA14-plaat. Plaats de wormen in het midden van het bacteriegazon. Voor elke aandoening in deze studie werden twee platen getest (d.w.z. 60 wormen per aandoening).
  2. Plaats de twee platen op het verhoogde podium van het opnameapparaat met het deksel naar beneden gericht. De kant met de agar is naar boven gericht naar de camera.
  3. Tik op het smartphonescherm op de plek waar de plaat zich bevindt, zodat de camera kan scherpstellen op de testplaten. Het helpt om een label of tekst op de plaat te hebben, omdat de camera dat kan gebruiken om correct scherp te stellen.
    OPMERKING: Schrijven op de onderkant van de platen interfereert niet met de beeldvorming van wormen zolang het zich naar de rand bevindt. Gelukkig blijven wormen ook na vertrek in de buurt van het gazon, waardoor er alleen een vrij zicht nodig is op de directe omgeving van het gazon.
  4. Start de opname.
  5. Zodra de opname is begonnen, voegt u meer platen toe aan het podium. Er kan een aanzienlijke vertragingstijd tussen de platen zijn vanwege de tijd die nodig is om wormen over te brengen door te plukken. Noteer de vertragingstijd achteraf, zodat elke voorwaarde kan worden geteld op het moment dat deze begon.
  6. Record voor 20 uur van de laatste set platen die op het podium zijn geplaatst. In de uiteindelijke time-lapse video resulteert 20 uur opname in een 20 minuten durende video.
    OPMERKING: Het kan de moeite waard zijn om de wormen direct van de platen te tellen na de test, althans in het begin voor de eerste paar gelegenheden. Dit kan worden vergeleken met waarden die zijn verkregen via videobeeldvorming om ervoor te zorgen dat ze vergelijkbare aantallen opleveren.

8. Verwerking van video met behulp van Python-script

  1. Breng het filmbestand over naar een computer voor verwerking. De extensie is een MOV (iPhone) of MP4-bestand (Android).
  2. Gebruik een Python-code om de video's te verwerken. De code is te vinden op github.com/khyoon201/wormavoid.
  3. Als u de Python-scripts wilt uitvoeren, moet u ervoor zorgen dat het volgende vooraf op de computer is geïnstalleerd: ffmpeg, een hulpmiddel voor het converteren van videobestanden (routebeschrijvingen voor installatie zijn te vinden op de website, ffmpeg.org/download), en de Python-pakketten os, pandas, tkinter en ffmpeg-python.
  4. Zoek de afmetingen en coördinaten van elke plaat met behulp van het extract_frame.py script.
    1. Voer het extract_frame.py script uit. Er verschijnt een venster om het videobestand te selecteren dat op de computer is opgeslagen. Nadat het uitvoeren is voltooid, verschijnt een jpeg-bestand met dezelfde naam in dezelfde map.
    2. Open het jpeg-bestand in ImageJ (imagej.org).
    3. Kies in het menu Analyseren > Metingen instellen. Zorg ervoor dat het selectievakje Display Label is aangevinkt (Afbeelding 2A). Sluit het venster.
    4. Meet met het gereedschap Rechte lijn de diameter van een plaat door er een lijn overheen te trekken en vervolgens Analyseren > Meten te kiezen in het menu. Als de video in 1080p is, is elke plaat ongeveer 480 pixels breed. Noteer deze informatie en sluit het venster Resultaten .
    5. Markeer met het gereedschap Multipunt punten linksboven op elke plaat. Deze punten worden de linkerbovenhoek van de bijgesneden video's (figuur 2B). De volgorde is belangrijk; Markeer in volgorde van wanneer de platen zijn gestart. Nadat u een punt voor alle platen hebt gemaakt, kiest u Analyseren > Meten in het menu. Metingen, inclusief de X- en Y-coördinaten van de punten, worden weergegeven in het venster Resultaten.
    6. Als u meerdere video's wilt verwerken, herhaalt u het proces in ImageJ met andere jpeg-bestanden. Alle X- en Y-coördinaten worden weergegeven in hetzelfde venster Resultaten .
    7. Sla het venster Resultaten op in een csv-bestand. Het bestand moet worden opgeslagen in dezelfde map als de filmbestanden.
  5. Zoek de starttijd voor elk bord.
    1. Speel de film af op de computer of telefoon en noteer de begintijden van elke set platen die onder de camera zijn geplaatst.
    2. Open het bestand Resultaten.csv met de coördinaten en voeg een kolom "start" toe. Voer voor elke rij die overeenkomt met afzonderlijke platen de juiste starttijd in, in seconden, onder de kolom "start" (als de starttijd bijvoorbeeld 0:00:08 is, voert u 8 in). Redden.
      OPMERKING: De kolomnaam moet "begin" zijn (in kleine letters, zonder aanhalingstekens) om te worden herkend door het volgende script voor bijsnijden en bijsnijden.
  6. Snijd de video's bij en trim ze.
    1. Voer het crop_n_trim.py script uit.
    2. Wanneer u hierom wordt gevraagd, kiest u het bestand Resultaten.csv .
      OPMERKING: Zorg ervoor dat het bestand Resultaten.csv en alle filmbestanden zich in dezelfde map bevinden.
    3. Voer de plaatafmetingen in. Voer de eerder genoteerde pixelwaarde in.
      OPMERKING: Het script leest nu elke rij van het bestand Resultaten.csv om het juiste filmbestand te vinden door de bestandsnaam in de kolom "label" te lezen en bij te snijden volgens de coördinaten die zijn aangegeven in de kolommen "X" en "Y". De starttijd van elke plaat wordt bepaald door de tijd die wordt aangegeven in de kolom "start". Nadat het script is uitgevoerd, verschijnt er een map met dezelfde naam als de film, gevolgd door de starttijd (bijvoorbeeld "Movie1_8"), waarin 10 s-video's worden opgeslagen die overeenkomen met elk uurtijdstip van de test.

9. Handmatig tellen met ImageJ

  1. Open elk AVI-bestand in ImageJ.
  2. Tel de wormen die buiten het gazon zichtbaar zijn. Wormen die in het ene frame overlappen, bewegen meestal uit elkaar in een ander frame, zodat ze correct kunnen worden geteld.
  3. Bereken de bezettingsgraad voor elk tijdstip:
    Bezettingsgraad = (totaal wormen - aantal wormen buiten het gazon)/totaal wormen
    OPMERKING: De wormen zullen tijdens de video in en uit het gazon bewegen, maar dit zal de resultaten niet significant veranderen. Probeer te gaan met het getal dat het gemiddelde lijkt te zijn, of het aantal wormen op het exacte tijdstip per uur (5 s in de video).

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De eerste video geproduceerd door het script is 1 uur vanaf het begin van de test. De video voor 0 uur wordt niet opgeslagen, omdat wormen de test in het gazon starten, dus de bezettingsgraad is altijd 100%.

Wild-type N2-wormen worden vergeleken met npr-1-mutanten, waarvan het gazonvermijdingsdefect goed is vastgesteld in de literatuur 6,10 (figuur 3A-E). Zoals te...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het in beeld brengen van het gedrag van dieren, in plaats van te vertrouwen op directe observatie, is niet alleen handig, maar heeft ook het voordeel dat het visuele documentatie achterlaat. Dit maakt blinde analyse door een objectieve derde persoon mogelijk, of kan zelfs worden gebruikt voor geautomatiseerde analyse met behulp van beeldherkenningstechnieken. Ondanks de voordelen is de standaarduitrusting die meestal wordt aangeboden hoog in kosten, dus men is toegewijd aan de installatie zodra deze is gekocht.

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Geen belangenconflicten aangegeven.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

We bedanken Deok Joong Lee voor het kritisch lezen van het manuscript en het testen van de Python-code. Dit onderzoek werd gesponsord door de National Research Foundation of Korea 2017R1A5A2015369 (K.-h.Y.) en 2019R1C1C1008708 (K.-h.Y.).

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
35 mm Petri schotelSPL#10035
Bacto agarBD#214010
Bacto PeptoneBD#211677
CaCl2DAEJUNG2507-1400
CholesterolBioBasicCD0122
Dikaliumwaterstoffosfaat (K2HPO4)JUNSEI84120-0350
GlycerolBioBasicGB0232
King B BrothMB cellMB-K0827
LED-lichtbox multi-padArtmateN/ADit is een USB-aangedreven LED-lichtpad voor traceer- en tekendoeleinden. Artmate is een Koreaans merk, maar het zoeken naar "LED-lichtbox voor traceerdoeleinden" in een zoekmachine zou talrijke opties van andere merken moeten opleveren. De totale afmeting is ongeveer 9" x 12" (A4-formaat). Bijvoorbeeld van Amazon US: https://www.amazon.com/LITENERGY-Ultra-Thin-Adjustable-Streaming-Stenciling/dp/B07H7FLJX1/ref=sr_1_5?crid=YMYU0VYY226R&keywords=
LED%2Blight%2Bbox&qid=1674183224&sprefix
=led%2Blight%2Bbo%2Caps%2C270&sr=8-5&th=1
MgSO4DAEJUNG5514-4400
Plastic papierhoes (doorzichtig)Smead#85753Elke doorzichtige plastic folie met een beetje stijfheid kan worden gebruikt als podium. Bijvoorbeeld van Amazon US: https://www.amazon.com/Smead-Organized-Translucent-Project-85753/dp/B07HJTRCT7/ref=psdc_1069554_t3_B09J48GXQ
8
Kaliumdihydrogeenfosfaat (KH2PO4)JUNSEI84185-0350
Stroomstrip Om 3 telefoons en één LED-box te huisvesten, heb je minimaal 4 stopcontacten nodig.
SmartphoneN/AN/AMinimale vereiste: 12MP brede camera, 1080p HD video-opname bij 30fps
Natriumchloride(NaCl)DAEJUNG#7548-4100
Natriumfosfaat dibasisch watervrij (Na2HPO4)YAKURI#31727

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Pradel, E., et al. Detection and avoidance of a natural product from the pathogenic bacterium Serratia marcescens by Caenorhabditis elegans. Proceedings of the National Academy of Sciences. 104 (7), 2295-2300 (2007).
  2. Reddy, K. C., Hunter, R. C., Bhatla, N., Newman, D. K., Kim, D. H. Caenorhabditis elegans NPR-1-mediated behaviors are suppressed in the presence of mucoid bacteria. Proceedings of the National Academy of Sciences. 108 (31), 12887-12892 (2011).
  3. Hao, Y., et al. Thioredoxin shapes the C. elegans sensory response to Pseudomonas produced nitric oxide. eLife. 7, 36833(2018).
  4. Liu, Y., Samuel, B. S., Breen, P. C., Ruvkun, G. Caenorhabditis elegans pathways that surveil and defend mitochondria. Nature. 508 (7496), 406-410 (2014).
  5. Melo, J. A., Ruvkun, G. Inactivation of conserved C. elegans genes engages pathogen- and xenobiotic-associated defenses. Cell. 149 (2), 452-466 (2012).
  6. Meisel, J. D., Panda, O., Mahanti, P., Schroeder, F. C., Kim, D. H. Chemosensation of bacterial secondary metabolites modulates neuroendocrine signaling and behavior of C. elegans. Cell. 159 (2), 267-280 (2014).
  7. Singh, J., Aballay, A. Intestinal infection regulates behavior and learning via neuroendocrine signaling. eLife. 8, 50033(2019).
  8. Lee, K., Mylonakis, E. An intestine-derived neuropeptide controls avoidance behavior in Caenorhabditis elegans. Cell Reports. 20 (10), 2501-2512 (2017).
  9. Singh, J., Aballay, A. Bacterial lawn avoidance and bacterial two choice preference assays in Caenorhabditis elegans. Bio-Protocol. 10 (10), 3623(2020).
  10. Reddy, K. C., Andersen, E. C., Kruglyak, L., Kim, D. H. A polymorphism in npr-1 is a behavioral determinant of pathogen susceptibility in C. elegans. Science. 323 (5912), 382-384 (2009).
  11. de Bono, M., Bargmann, C. I. Natural variation in a neuropeptide Y receptor homolog modifies social behavior and food response in C. elegans. Cell. 94 (5), 679-689 (1998).
  12. Mathew, M. D., Mathew, N. D., Ebert, P. R. WormScan: a technique for high-throughput phenotypic analysis of Caenorhabditis elegans. PLoS One. 7 (3), 33483(2012).
  13. Stroustrup, N., et al. The Caenorhabditis elegans lifespan machine. Nature Methods. 10 (7), 665-670 (2013).
  14. Churgin, M. A., et al. Longitudinal imaging of Caenorhabditis elegans in a microfabricated device reveals variation in behavioral decline during aging. eLife. 6, 26652(2017).
  15. Marquina-Solis, J., et al. Peptidergic signaling controls the dynamics of sickness behavior in Caenorhabditis elegans. bioRxiv. , (2022).
  16. Churgin, M. A., Fang-Yen, C. An imaging system for monitoring C. elegans behavior and aging. Methods in Molecular Biology. 2468, 329-338 (2022).
  17. Barlow, I. L., et al. Megapixel camera arrays enable high-resolution animal tracking in multiwell plates. Communications Biology. 5 (1), 253(2022).
  18. Kawazoe, Y., Yawo, H., Kimura, K. D. A simple optogenetic system for behavioral analysis of freely moving small animals. Neuroscience Research. 75 (1), 65-68 (2013).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

C Elegans AssayLawn AvoidanceSmartphone ImagingTime Lapse RecordingPathogenic BacteriaWorm BehaviorPlate ImagingImageJ AnalysisPython Video ProcessingOccupancy Rate

Related Articles