Artykuł metodologiczny

Zautomatyzowana analiza zachowania C. elegans podczas pływania przy użyciu oprogramowania CeleST

DOI:

10.3791/54359

⸱

7 grudnia 2016

 ,  ,  ,  , 
1Department of Molecular Biology and Biochemistry, Rutgers University, 2Computing Research and Education Building (CoRE), Rutgers University

W tym artykule

Podsumowanie

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

Opisana jest skuteczna i prosta metodologia komputerowej analizy zachowania nicieni podczas pływania w cieczy. Metoda ta wymaga niewielkich lub żadnych inwestycji dla laboratoriów C. elegans. Używany sprzęt jest standardowy, a oprogramowanie komputerowe do analizy behawioralnej (CeleST) jest oprogramowaniem typu open source.

Streszczenie

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

Analiza obwodów neuronalnych i nerwowo-mięśniowych, które regulują zachowanie, pozostaje głównym wyzwaniem w biologii. Nicień Caenorhabditis elegans okazał się nieocenionym organizmem modelowym, który pomaga stawić czoła temu wyzwaniu, począwszy od inspirujących podejść technologicznych, poprzez budowanie konektomu ludzkiego mózgu, aż po faktyczne rzucenie światła na konkretne czynniki molekularne odpowiedzialne za podstawowe wzorce funkcjonalne. Większość badań behawioralnych na C. elegans przeprowadzono na podłożach stałych. W cieczach zwierzęta wykazują wzorce zachowań, które obejmują ruch z różnymi prędkościami w 3D, a także częściowe ruchy ciała, takie jak tylne ugięcie bez zmiany kształtu przedniego, co wprowadza nowe wyzwania w zakresie oceny ilościowej. Poniżej przedstawiono etapy prostej procedury i zastosowania oprogramowania, które umożliwia analizę zachowania C. elegans podczas pływania w wysokiej rozdzielczości. Oprogramowanie o nazwie CeleST wykorzystuje specjalistyczny program komputerowy, który śledzi wiele zwierząt jednocześnie i zapewnia nowatorskie pomiary lokomocji C. elegans w cieczach (pływanie). Miary są w większości oparte na postawie zwierząt i opierają się na matematyce używanej w widzeniu komputerowym i rozpoznawaniu wzorców, bez wymagań obliczeniowych dotyczących wartości granicznych. Narzędzie programowe może być wykorzystywane zarówno do oceny ogólnej sprawności pływackiej setek zwierząt na podstawie połączonych prób w małych partiach, jak i do ujawniania nowych fenotypów nawet u dobrze scharakteryzowanych mutantów genetycznych. Przygotowanie próbek do analizy za pomocą CeleST jest proste i nieskomplikowane technicznie, co umożliwia szeroką adaptację przez społeczność naukową. Zastosowanie opisanego tu podejścia obliczeniowego powinno zatem przyczynić się do lepszego zrozumienia zachowania i obwodów behawioralnych w modelu C. elegans.

Wprowadzenie

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

Zdefiniowanie, w jaki sposób genetyka, epigenetyka, doświadczenie i środowisko wpływają na zachowanie, jest głównym wyzwaniem we współczesnej biologii. Proste, genetycznie podatne modele, które można śledzić i mierzyć obliczeniowo, mogą wnieść kluczowy wkład w osiągnięcie tego celu. Nicień Caenorhabditis elegans jest jednym z takich modeli. Celem tego artykułu jest pokazanie, w jaki sposób można śledzić i określać ilościowo lokomocję pływania C. elegans w celu uzyskania informacji na temat ośmiu nowych cech o znaczeniu biologicznym.

C. elegans ma stosunkowo krótką długość życia około 2 - 3 w i okres reprodukcji około 4 dni w temperaturze 20 °C1,2. W standardowych kulturach laboratoryjnych ten mikroskopijny nicień jest hodowany na płytkach Petriego zawierających pożywki wzrostu nicieni (NGM), które są przenoszone za pomocą bakteryjnego źródła pożywienia3,4. Zwierzęta WT N2 poruszają się aktywnie w eleganckich falach sinusoidalnych na płytkach wypełnionych agarem; Zmieniają tempo poruszania się podczas wędrowania (poszukiwanie pożywienia), przebywania (przeglądanie) lub regeneracji po posiłku (spoczynek sytości nieaktywnej)5. Upośledzenie6 lub wiek7-12 lat może również radykalnie zmienić ruch na talerzach.

Geny, które modulują zachowanie, zdrowie lub starzenie się, mogą być funkcjonalnie scharakteryzowane poprzez analizę wzorców ruchowych lub lokomocji C. elegans. Jednym z podejść do pomiaru długości zdrowia jest klasyfikacja starzejących się dorosłych na trzy kategorie (np. A, B i C) zgodnie z ich lokomocją, przy czym energiczna aktywność fizyczna należy do klasy A, a paraliż do klasyC 7,8,13. Chociaż takie jakościowe sortowanie jest przydatne do ujawnienia różnic w sprawności fizycznej, kategorie są szerokie bez wyraźnych granic, a zatem ich punktacja jest podatna na stronniczość eksperymentatora.

Rosnąca liczba trackerów podniosła obiektywność, wyrafinowanie i precyzję analizy ruchu C. elegans na stałym podłożu14-18. Poruszanie się C. elegans na płytkach jest w większości ograniczone do płaszczyzny, w której zwierzę styka się z twardą powierzchnią podłoża. (C. elegans może również indukować eksplorację poprzez odnoszenie głowy od reszty ciała, która nadal styka się z twardą powierzchnią, ustawiając ciało w wielu płaszczyznach. Jednak takie zachowanie jest niezwykłe.) Po umieszczeniu w płynie nicień ten inicjuje ruch falowy lub pływanie, który charakteryzuje się bardziej rozległymi ruchami wymiarowymi, większym zakresem prędkości i głębokości ruchu oraz zwiększoną częstością występowania z wiekiem ruchu przedniego i tylnego inaczej niż u zwierząt na twardych powierzchniach. W ramach szybkiej analizy sprawności fizycznej i reakcji na nowe środowisko, eksperymentator może umieścić pojedyncze zwierzę w kropli płynu i ocenić częstotliwość zgięć ciała pod lunetą sekcyjną. Nagrywanie wideo może ułatwić ocenę obecnego i przyszłego wigoru pływackiego zwierzęcia. Jednak podejście ręczne ogranicza liczbę cech, które można ocenić, i jest w pełni ograniczone do punktacji jednego zwierzęcia na raz.

Lokomocja w płynie była mniej badana niż lokomocja na stałych podłożach. Rzeczywiście, istnieje kilka opcji oprogramowania, które są solidne i łatwe do wdrożenia w laboratorium do pomiaru lokomocji w cieczy19-24. Oprogramowanie CeleST (C. elegans Swim Test) oferuje prostotę obsługi i pomiary matematyczne, które dostarczają danych (wyniki krzywizny) bezpośrednio związanych z naturą ruchu8; (szczegółowy opis cech i zalet w Restif i wsp.8). Ponadto analiza obliczeniowa umożliwia wyjaśnienie cech fenotypowych, które są niemożliwe do oceny przez ludzkie oko. W tym miejscu przedstawiono dane, które ilustrują rozwiązanie tego podejścia do analizy i opisano łatwy do wdrożenia protokół rejestrowania prób pływania do późniejszej analizy CeleST.

Protokół

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

1. Wzrost i postępowanie z nicieniami

  1. Hoduj C. elegans na standardowych płytkach Petriego zawierających NGM nakrapiany OP50-1 Escherichia coli jako źródło pożywienia1-3.
  2. Przechowuj kultury w inkubatorze, który utrzymuje żądaną temperaturę. C. elegans dobrze rośnie w temperaturze od 15 do 25 °C, przy czym standardową temperaturą wzrostu jest 20 °C.
    UWAGA: Pływanie jest silnym fenotypem, jednak na wigor pływania mogą wpływać czynniki środowiskowe, w tym zanieczyszczenie talerzy i przegrzanie kultur i zjeżdżalni. Należy dołożyć wszelkich starań, aby utrzymać stabilne warunki.
  3. Użyj domowej roboty kilofa do nicieni wykonanego z platynowego drutu uszczelnionego płomieniem w szklanym pręcie, aby poradzić sobie z przenoszeniem pojedynczych zwierząt4.

2. Konfiguracja do analizy pływania

  1. Korzystaj ze zintegrowanego systemu składającego się z mikroskopu stereoskopowego, cyfrowej kamery CCD i oprogramowania do cyfrowego nagrywania wideo. Oprogramowanie CeleST może być używane na osobnym komputerze.
    1. Przykryj mikroskop ciemną szmatką (np. filcem), aby zapobiec odblaskom w obszarze kropli pływania na szkiełku mikroskopu i poprawić jakość obrazu.
    2. Dostosuj odległość roboczą i powiększenie mikroskopu, aby uzyskać pełny widok obszaru pływania, a lustro podstawowe, aby uzyskać ostry kontrast zwierząt na tle. Ustaw oświetlenie na ciemne pole, aby wizualizować ciała dorosłych jako białe na czarnym tle, co bardzo dobrze sprawdza się w wizualizacji obliczeniowej i śledzeniu za pomocą oprogramowania do analizy pływania.
    3. Zadbaj o to, aby miejsce pracy, szkiełko mikroskopowe i kropla pływacka były bardzo czyste. Szczątki mogą zakłócać analizę, blokując swobodne pływanie dorosłych, a cienkie nitki włókien mogą być wykrywane jako nieporuszające się zwierzęta podczas śledzenia.

3. Przygotowanie zwierząt do analizy sprawności fizycznej w płynie

  1. Odpipetować 60 μl 1x bufor M9 do pierścienia o średnicy 10 mm wydrukowanego na szkiełku mikroskopowym. Upewnij się, że kropla całkowicie zakrywa wewnętrzną część pierścienia. Oprogramowanie wydobywa więcej informacji o pływaniu przy użyciu tego rozmiaru kropli zawartego na zjeżdżalni, niż w przypadku korzystania z płytek wielodołkowych.
  2. Zbieraj pojedyncze dorosłe nicienie i przenieś je do kropli 1x buforu M9, minimalizując transport bakterii, które mogą zmętnić płyn. Zminimalizuj bakterie, najpierw umieszczając zwierzęta do przeniesienia na stronę talerza, która nie zawiera dużo bakteryjnego trawnika, pozwalając im się czołgać, a następnie delikatnie podnosząc je.
    1. Podczas przenoszenia nicieni do kropli należy użyć lunety sekcyjnej w pobliżu stacji analitycznej, aby skrócić czas pływania, co może wpłynąć na zachowanie zwierząt25.
    2. Umieść tylko 4 dorosłe osoby w kropli, jeśli poruszają się energicznie i często krzyżują ścieżki. Jako wskazówkę, aby zminimalizować nakładanie się pływaków (co zakłóca analizę obliczeniową), rozważ umieszczenie 4 zwierząt na kroplę, gdy są tak samo aktywne jak młode, zdrowe dorosłe WT i 5 zwierząt na kroplę, gdy są starsze i wykazują mniej wigoru.
      UWAGA: Zdrowe nicienie WT instynktownie zaczynają pływać wkrótce po umieszczeniu w płynie. Za pomocą kilofa do nicieni delikatnie oddziel dorosłe osobniki w kropli, jeśli się zbijają.

4. Analiza sprawności fizycznej w płynie — Nagranie wideo z pływania

  1. Umieść szkiełko załadowane dorosłymi osobnikami na podstawie mikroskopu, aby zarejestrować ich pływanie. Filmy z 30 sekund rejestrują szczegóły zachowania poszczególnych zwierząt w płynie (Wideo 1), a pobieranie próbek dużej liczby takich zapisów jest łatwe do zrealizowania, gdy jest wspomagane przez oprogramowanie CeleST8,26; jednak dłuższe okresy pływania mogą być idealne dla innych specyficznych badań behawioralnych25. Co ważne, upewnij się, że utrzymujesz to samo powiększenie we wszystkich nagraniach, ponieważ różnice w powiększeniu wpływają na analizę pływania i będą zniekształcać porównanie.
    UWAGA: Te kroki mają charakter wskazówek dotyczących korzystania z oprogramowania do cyfrowego nagrywania wideo wymienionego w Tabeli materiałów; Oprogramowanie otwartego dostępu VirtualDub może zastąpić, chociaż tego nie testowaliśmy.
    1. Użyj następujących ustawień jako wskazówek dla udanej analizy pływania: rozmiar obrazu 696 x 520 pikseli, rozdzielczość obrazu 0,02 mm/piksel i szybkość 18 klatek/s. Wersje tych ustawień o wyższej rozdzielczości mogą ułatwić śledzenie, ale nie wpłyną na miary obliczane przez program.
      UWAGA: Strefa pływania zapewniona przez kroplę 60 μl bufora 1x M9 na szkiełku mikroskopowym nie ma dużej głębokości, co minimalizuje ruch pływania w górę i w dół.
  2. W Ustawieniach przejdź do "Nagrywanie", ustaw "Ogranicz rozmiar sekwencji" na "545 klatek na dysku". Pod tym samym nagłówkiem zaznacz pole "Użyj Menedżera nagrywania". Kliknij przycisk "Edytuj bieżący skrypt nagrania... ', a w sekcji "Polecenia" wybierz opcję "Chwyć ramkę", a następnie w sekcji "Warunki zatrzymania" wpisz "Zatrzymaj po godzinie 0:00:30.00".
  3. Aby nagrać, wybierz "Nowa sekwencja w pamięci RAM" pod nagłówkiem głównym, a następnie naciśnij czerwony przycisk "Nagraj". Oprogramowanie przechwyci 545 klatek w ciągu 30 s za pomocą aparatu cyfrowego i umieści je w pamięci RAM.

5. Analiza sprawności fizycznej w płynie — Leczenie wideo

  1. Podziel wideo na sekwencję klatek obrazu, klikając nagłówek główny i wybierając opcję "Eksportuj pełną sekwencję do..." w oprogramowaniu do nagrywania wideo.
    UWAGA: Oprogramowanie do cyfrowego nagrywania wideo może zapisywać klatki jako .bmp, .jpg, .tif lub .png, z których wszystkie można odczytać za pomocą przedstawionego tutaj programu do analizy pływania. Należy pamiętać, że pliki .tif zajmują więcej miejsca na dysku, ale niektóre formaty, takie jak .jpg, mogą pogorszyć jakość obrazu.
  2. Uruchom program do analizy pływania z programu MATLAB, klikając przycisk uruchom.
  3. Na ekranie głównym programu do analizy pływania użyj przycisków "Dodaj jeden film" lub "Dodaj wiele filmów", aby przesłać sekwencje klatek obrazu pojedynczo lub w grupach, dołączając odpowiednie etykiety, takie jak genotyp, data, próba i czas trwania. Oprogramowanie tworzy bazę danych oznaczonych sekwencji.
  4. Włącz jednoczesne śledzenie wielu zwierząt w przesłanych sekwencjach, klikając "1. Przetwarzaj filmy". Na nowym ekranie wybierz żądane filmy w lewym polu i kliknij "Dodaj do listy". Dla każdego filmu kliknij jego nazwę na liście w prawym górnym rogu, aby wyświetlić pierwszy obraz filmu w prawym dolnym rogu. Wyznacz strefę pływania, wybierając 3 punkty wewnątrz pierścienia, i rozpocznij przetwarzanie, klikając "Przetwarzaj wszystkie filmy wymienione powyżej". Wyświetlanie postępu przetwarzania na środku u dołu.
  5. Po zakończeniu "Zamknij" ekran przetwarzania wideo.

6. Analiza sprawności fizycznej w płynie — Pomiar

  1. Kliknij na "2. Obliczenia mierzone", aby otworzyć nowy ekran, na którym przetworzone filmy mogą być przesyłane, pojedynczo, w celu sprawdzenia lub odrzucenia śledzenia pojedynczych zwierząt. Filmy, które zostały przetworzone, pojawią się na liście po lewej stronie, gdzie można kliknąć nazwę filmu, aby go przesłać.
  2. Użyj tego ręcznego kroku, aby skupić się na obszarach pominiętego śledzenia (czerwone bloki), w przeciwieństwie do udanego śledzenia (zielone bloki).
    UWAGA: Alternatywnie można polegać na automatycznym wyprowadzeniu prawidłowego śledzenia, ponieważ oprogramowanie ma solidny system śledzenia (94,1% trafności, jak zaobserwowano w 2,020 zwierzętach z 404 filmów8).
    1. Znajdź "Ważność podzielonej na segmenty treści" na pierwszym kolorowym pasku w poprzek ekranu w dolnej połowie. Odsetek "Prawidłowych ramek" jest zaznaczony na zielono, a odsetek "Odrzuconych ramek" jest zaznaczony na czerwono. ≥80% prawidłowych klatek oznacza, że informacje o śledzeniu używane do obliczania miar pochodzą z co najmniej 432 z 540 klatek w 30-sekundowej próbie pływania zarejestrowanej z prędkością 18 klatek/s.
    2. Z łatwością nawiguj i modyfikuj bloki prawidłowych/odrzuconych ramek, korzystając z opcji "Następny blok", "Przełącz ważność", "Podziel blok" i "Izoluj ramkę". W rzadkich przypadkach, gdy 2 zwierzęta skrzyżują ścieżki w niezatłoczonej strefie pływania, zamień ich numery identyfikacyjne w określonym zakresie ramek za pomocą przycisku "Przełącz".
    3. Wyświetl wykresy słupkowe w dolnej połowie ekranu, aby uzyskać dodatkowe informacje na temat śledzenia i nakładania się wyników. Długość podzielonego na segmenty ciała (długość ciała zwierzęcia na klatkę) koreluje z nakładającymi się częstościami występowania.
  3. Jeśli jakiekolwiek jasne punkty na filmie zakłócają analizę, dostosuj jasne obszary w strefie pływania, wybierając funkcję "Strefy olśnienia".
  4. Kliknij "Zapisz i oblicz miary", aby zapisać dane wejściowe ważności przed przesłaniem kolejnego przetworzonego filmu. Na tym etapie oprogramowanie oblicza w tle (nie pokazywane użytkownikowi) mapy krzywizn dotyczące pływania poszczególnych zwierząt oraz parametry wskazane poniżej (Wideo 2).
    UWAGA: Mierzone parametry, na których się tutaj skupiamy, opisano w tabeli 1. Szybkość inicjacji fali, liczba fal ciała, asymetria, rozciąganie i zwijanie są obliczane na podstawie map krzywizny, które oprogramowanie oblicza dla zwierząt; Parametry Prędkość ruchu, Pociągnięcie pędzlem i Indeks aktywności nie są oparte na mapach krzywizn.
  5. Kliknij "Zamknij", aby wyjść z ekranu "Miary obliczeniowe".

7. Analiza sprawności fizycznej w płynie — wyniki

Uwaga: Oprogramowanie może raportować wiele pomiarów ruchu pływania, które obejmują od jawnych do bardzo subtelnych cech behawioralnych, które nie są łatwe do oceny wzrokowej (filmy 3 i 4). Tutaj nacisk kładziony jest na 8 parametrów, które zazwyczaj pokazują dobry zakres dynamiki: szybkość inicjacji fali, liczba fal ciała, asymetria, rozciąganie, curling, prędkość ruchu, pociągnięcie pędzlem i indeks aktywności.

  1. Na ekranie głównym programu kliknij "3. Wyświetl wyniki", aby uzyskać wyniki analizy.
  2. Utwórz grupy próbek do obróbki statystycznej, zaznaczając żądane analizowane sekwencje ramek w lewym polu i przenosząc je do nowej lub istniejącej grupy próby, klikając przycisk "Dodaj do wybranej próby" lub "Dodaj do nowej próby".
  3. Kliknij "Pokaż wykresy dla tych próbek", aby przejść do drugiego ekranu, który wyświetla wykresy i kluczowe statystyki próbek dla każdego z 8 parametrów według wyboru u góry ekranu.
    1. W razie potrzeby dostosuj reprezentację wykresów słupkowych w lewym górnym rogu ekranu za pomocą selektorów "Kolory", "# histogramów" i "# robaków".
  4. Użyj opcji "Histogramy 2D", aby wykreślić kombinacje dowolnych dwóch parametrów za pomocą menu rozwijanych "Zmierz na osi X" i "Zmierz na osi Y" po lewej stronie ekranu. Kliknij "Zamknij", aby wyjść i powrócić do ekranu "Wyświetl wyniki".
  5. Użyj przycisku "Eksportuj..." w lewym górnym rogu ekranu, aby zapisać szczegółowe dane liczbowe jako plik .csv celu otwarcia i dalszej obróbki w programie arkusza kalkulacyjnego.
  6. "Zamknij" ekran "Wyświetl wyniki", aby wrócić do ekranu głównego i kliknij "Zakończ", aby zapewnić zapisanie bazy danych zawierającej analizowane sekwencje wideo.

Wyniki

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

Analizując lokomocję w płynie (pływanie), można wyjaśnić fenotypy, które nie są łatwo widoczne na stałych podłożach (pełzanie). Aby określić ilościowo lokomocję pływacką, opracowaliśmy specjalne oprogramowanie, które mierzy dziesięć nowatorskich parametrów zachowania podczas pływania8. Osiem najbardziej użytecznych z tych parametrów opisano szczegółowo w tabeli 1. Parametry te noszą nazwy: szybkość inicjacji fali, liczba fal ciała, asymetria, rozciąganie, curling, prędkość ruchu, pociągnięcie pędzlem i indeks aktywności. Badania ilustrujące moc oprogramowania zdefiniowały spadek funkcjonalny setek starzejących się dorosłych z WT, behawioralnym lub długowiecznym pochodzeniemmutantów 8 i przeanalizowały dobrze zbadane mutanty długowieczności w wieku 1 (hx546) i daƒ-16 (mgDƒ50), które zawierają mutacje zakłócające normalny szlak sygnałowy insuliny. Gen age-1 koduje podjednostkę katalityczną kinazy 3-fosfatydyloinozytolu (PIK3), a gdy zawiera mutację hx546, powoduje wydłużenie życia i odporność na stres27-29. Gen daƒ-16 koduje czynnik transkrypcyjny O (FOXO), który skraca życie i upośledza reakcję na stres po usunięciu30-33.

Niektóre parametry pływania, takie jak szybkość inicjacji fali, prędkość przemieszczania się, pociągnięcia pędzlem i wskaźnik aktywności, stopniowo spadały wraz z wiekiem, nawet w korzystnym tle genetycznym (Rysunek 1). Zgodnie z obecnym stanem wiedzy, długowieczne mutanty w wieku 1 (hx546) wykazywały bardziej energiczną sprawność fizyczną niż WT w zaawansowanym i skrajnie podeszłym wieku. Zgodnie z przewidywaniami, krótkotrwałe mutanty daƒ-16 (mgDƒ50) wykazywały upośledzoną wydajność, zwłaszcza w bardzo podeszłym wieku. Co ciekawe, dopiero pod lupą pakietu systemów wizyjnych i algorytmów matematycznych CeleST można było wykryć lepsze wyniki pływania mutantów w wieku 1 (hx546) na początku dorosłości. Fakt, że wiek-1 (hx546) powoduje zwiększoną sprawność fizyczną w młodym dorosłym życiu, sugeruje, że mutacja ta wpływa na prawidłowy rozwój i / lub fenotyp młodego dorosłego w sposób, który wcześniej nie był doceniany (ryc. 1).

Parametry liczby fal ciała, asymetrii, rozciągania i curlingu wykazywały tendencję wzrostową wraz z wiekiem u WT i starzejących się zmutowanych dorosłych (Rysunek 2). Co ciekawe, poziom rozdzielczości oprogramowania ujawnił subtelniejsze cechy behawioralne, takie jak utrzymująca się symetria mutantów w wieku 1 (hx546) przez całe ich życie oraz niezdolność skrajnie starych mutantów daƒ-16 (mgDƒ50) do rozciągania się i zwijania do tego stopnia, że robią to dorośli w tym samym wieku WT i 1 (hx546).

Oprócz ogólnej nieuniknionej utraty sprawności fizycznej z powodu wieku, każdy indywidualny dorosły wykazuje unikalny wzorzec progresji w procesie starzenia, nawet jeśli genetyka i środowisko są praktycznie jednorodne7. (Kontrolując genetykę i środowisko, możliwe zakłócające skutki tych czynników są zminimalizowane, odsłaniając znaczący wkład stochastyczności w zwyrodnienie związane z wiekiem). Zsynchronizowana populacja C. elegans o podobnym tle genetycznym utrzymywana w kontrolowanym środowisku nadal zawiera mieszankę różnych klas osobników w zależności od ich specyfiki starzenia się. Chociaż wszyscy zaczynają jako zdrowi dorośli, niektórzy szybko tracą sprawność fizyczną (osoby w złym wieku, klasa C), podczas gdy inni utrzymują wigor przez dłuższy czas (osoby w podeszłym wieku, klasa A). Wydaje się zatem, że osoby w złym wieku mają znacznie krótszą długość zdrowia niż osoby w podeszłym wieku.

Jak szczegółowo opisano w naszym badaniu8, osoby w podeszłym wieku zachowywały młodzieńczą sprawność fizyczną, co zaobserwowano w porównaniu z profilem pływania znacznie młodszych dorosłych (Ryc. 3, 4 i 5). Ta trwała sprawność jest porównywalna ze sprawnością fizyczną długowiecznych mutantów w wieku 1 (hx546) w wieku porozrodczym (D 11) (ryc. 1 i 2). Wręcz przeciwnie, osoby w złym wieku dramatycznie straciły wiele ze swojej zdolności fizycznej wkrótce po reprodukcji, osiągając poziomy podobne do tych, które osiągają skrajnie stare i progeryczne dorosłe daƒ-16 (mgDƒ50) (ryc. 1 - 4). Podobieństwa te można dostrzec przez ogólne porównanie, jednak poszczególne sygnatury są łatwo zauważalne przy bliższym przyjrzeniu się. Na przykład, chociaż istnieje pewna korelacja między zakresem zarówno rozciągania, jak i zwijania się u skrajnie starych dzikich typów i starzejących się mutantów (ryc. 2), związek ten nie jest obserwowany u osób w złym wieku (ryc. 4 i 5), które wykazują większą skłonność do zwijania się, ale nie do rozciągania w badanych próbkach. Prezentowane przez nas oprogramowanie nadaje tym samym wymiar analizie sprawności fizycznej lub zdolności lokomotorycznej, dostarczając narzędzi do bardziej wyrafinowanych badań, które wcześniej nie były wykonalne. Podsumowując, CeleST zapewnia kompleksowe odczyty w postaci ośmiu nowatorskich pomiarów, które definiują behawioralny odcisk palca określonych środowisk genetycznych, epigenetycznych i środowiskowych, umożliwiając identyfikację unikalnych i wspólnych wzorców parametrów, które mogą być sygnaturami określonych warunków (środowiskowych, farmakologicznych, żywieniowych), procesów biologicznych lub stanów organizmu, takich jak długość zdrowia.

figure-results-1
Rysunek 1: Oprogramowanie CeleST informuje o szybkości inicjacji fali (A), wskaźniku aktywności (B), pociągnięciu pędzlem (C) i prędkości przemieszczania się (D) dla WT, w wieku 1 (hx546) i daƒ-16 (mgDƒ50) dla dorosłych w wieku 4 lat (wczesna dorosłość), 11 lat (po reprodukcji) i 20 lat (skrajnie stary). "#" na osi y oznacza "liczbę". WT są pokolorowane na szaro, wiek-1 na zielono, a daƒ-16 na czerwono. Słupki błędów są błędem standardowym średniej (SEM). Mutanty WT w tym samym wieku i starzejące się mutanty porównano pod kątem istotności statystycznej za pomocą jednoczynnikowej ANOVA, a następnie testu wielokrotnego porównania Dunnetta. **, p = 0,001 - <0,01; , p = 0,0001 - <0,001. n = 62 w każdym punkcie danych z czterech niezależnych badań. Zauważ, że tutaj i dla rysunku 2 każdy pojedynczy film z 30 sekund jest tworzony z 4 zwierzętami, a dla każdej próby oceniamy w sumie 16 zwierząt z 4 filmów pływackich, odbywa się to dla 4 powtórzeń biologicznych dla każdego pokazanego punktu danych. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: Raporty oprogramowania dotyczące liczby fal ciała (A), asymetrii (B), rozciągania (C) i curlingu (D) dla WT, w wieku -1 (hx546) i daƒ-16(mgDƒ50) Dorośli w wieku D 4 (młoda dorosłość), 11 (po reprodukcji) i 20 (skrajnie starzy). "#" na osi y oznacza "liczbę". WT są pokolorowane na szaro, age-1 na zielono, a daf-16 na czerwono. Słupki błędów są błędem standardowym średniej (SEM). Mutanty WT w tym samym wieku i starzejące się mutanty porównano pod kątem istotności statystycznej za pomocą jednoczynnikowej ANOVA, a następnie testu wielokrotnego porównania Dunnetta. *, p = 0,01 - <0,05; **, p = 0,001 - <0,01; , p = 0,0001 - <0,001. n = 62 w każdym punkcie danych z czterech niezależnych, trwających 30 sekund prób pływackich. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-3
Rysunek 3: Raporty oprogramowania dotyczące szybkości inicjacji fali (A), wskaźnika aktywności (B), pociągnięcia pędzlem (C) i prędkości przemieszczania się (D) dla młodych dorosłych WT (D 4) oraz osób w tym samym wieku pełnych wdzięku i złych starzejących się (D10 i 11). "#" na osi y oznacza "liczbę". Młode WT są ubarwione na szaro, pełne wdzięku osoby starsze klasy A na zielono, a złe osoby klasy C na czerwono. Słupki błędów są błędem standardowym średniej (SEM). Osoby w podeszłym wieku z klasą A i w złym wieku z klasą C porównano z młodymi dorosłymi z grupy D 4 za pomocą jednokierunkowej ANOVA, a następnie testu wielokrotnego porównania Dunnetta. , p <0,0001. n = 27 w każdym punkcie danych z dwóch niezależnych, trwających 30 sekund prób pływackich. Wykres jest nieznacznie zmodyfikowany w stosunku do Restif et al. (2014)8, który został opublikowany na licencji Creative Commons Attribution (CC BY) http://creativecommons.org/licenses/by/4.0/. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4: Raporty oprogramowania dotyczące liczby fal ciała (A), asymetrii (B) i zwijania się (C) u młodych dorosłych WT (D 4) oraz osób w tym samym wieku pełnych wdzięku i złych wiekiem (D 10 i 11). "#" na osi y oznacza "liczbę". Młode WT są ubarwione na szaro, pełne wdzięku starzenie się klasy A na zielono, a złe starzenie się klasy C na czerwono. Słupki błędów są błędem standardowym średniej (SEM). Osoby w podeszłym wieku z klasą A i w złym wieku z klasą C porównano z młodymi dorosłymi z grupy D 4 za pomocą jednokierunkowej ANOVA, a następnie testu wielokrotnego porównania Dunnetta. **, p = 0,001 - <0,01; , p <0,0001; Nie dotyczy, nie dotyczy, ponieważ tylko jedno zwierzę z całkowitej wielkości próby było zwinięte. n = 27 w każdym punkcie danych z dwóch niezależnych, trwających 30 sekund prób pływackich. Wykres jest nieznacznie zmodyfikowany w stosunku do Restif et al. (2014)8, który został opublikowany na licencji Creative Commons Attribution (CC BY) http:/creativecommons.org/licenses/by/4.0/. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-5
Rysunek 5: Raport oprogramowania na temat rozciągania dla młodych dorosłych z WT (D 4) oraz osób w tym samym wieku pełnych wdzięku i złych wiekiem (D 10 i 11). Młode WT są ubarwione na szaro, pełne wdzięku starzenie się klasy A na zielono, a złe starzenie się klasy C na czerwono. Słupki błędów są błędem standardowym średniej (SEM). Osoby w podeszłym wieku z klasą A i w złym wieku z klasą C porównano z młodymi dorosłymi z grupy D 4 za pomocą jednokierunkowej ANOVA, a następnie testu wielokrotnego porównania Dunnetta. n = 27 w każdym punkcie danych z dwóch niezależnych badań. Wykres jest nieznacznie zmodyfikowany w stosunku do Restif et al. (2014)8, który został opublikowany na licencji Creative Commons Attribution (CC BY) http:/creativecommons.org/licenses/by/4.0/. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-6
Wideo 1: Pływanie reprezentatywnej grupy dorosłych osobników C. elegans. Kliknij tutaj, aby obejrzeć ten film. (Kliknij prawym przyciskiem myszy, aby pobrać.)

figure-results-7
Wideo 2: Oprogramowanie CeleST Obliczanie indywidualnych map krzywizny wydajności pływania badanych zwierząt. Mapy krzywizny są obliczane w tle; Nie pojawiają się one w interfejsie oprogramowania użytkownika. Kliknij tutaj, aby obejrzeć ten film. (Kliknij prawym przyciskiem myszy, aby pobrać.)

figure-results-8
Wideo 3: Komputerowe obliczanie miar pływania na podstawie indywidualnych map krzywizny. Kliknij tutaj, aby obejrzeć ten film. (Kliknij prawym przyciskiem myszy, aby pobrać.)

figure-results-9
Wideo 4: Komputerowe obliczanie miar pływania, które nie opierają się na mapach krzywizny. Kliknij tutaj, aby obejrzeć ten film. (Kliknij prawym przyciskiem myszy, aby pobrać.)

Dyskusja

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

Wykorzystanie C. elegans jako systemu modelowego stale rośnie ze względu na jego plastyczność genetyczną, wykonalność eksperymentalną i anatomię opisaną z najdrobniejszymi szczegółami. Na przykład, struktura neuronalna i łączność hermafrodyty C. elegans jest wyraźnie odwzorowana34-36, co znacznie ułatwia badania określonych obwodów neuronalnych, które kontrolują określone zachowania. 302 neurony stanowią układ nerwowy dorosłego hermafrodyty, który przetwarza szeroki zakres bodźców sensorycznych na podstawowe wyjścia behawioralne, takie jak lokomocja. Opisano również strukturę bardziej złożonego męskiego układu nerwowego37, co umożliwia zajęcie się obwodami specyficznymi dla płci. 37

Zachowanie C. elegans zostało szeroko zbadane na standardowych płytkach hodowlanych zawierających pożywki stałe. Ponieważ WT C. elegans porusza się w przewidywalnych falach sinusoidalnych na płytkach wypełnionych agarem, odchylenia od ogólnego wzorca mogą być wykrywane wzrokowo i oceniane ręcznie. Takie podejście podlega jednak kryterium eksperymentatora i jest pracochłonne. Narzędzia sprzętowe i programowe zaprojektowane do śledzenia i pomiaru lokomocji C. elegans na podłożach stałych eliminują stronniczość subiektywności i pozwalają na badania na dużą skalę, umożliwiając rozwiązywanie bardziej wyrafinowanych problemów biologicznych. Najnowsza behawioralna baza danych stworzona przez laboratorium Schafera16 jest doskonałym przykładem analitycznego rozszerzenia i głębokości, które zostały osiągnięte dzięki systemowi obliczeniowemu do poruszania się na płytach.

Po umieszczeniu WT C. elegans w płynie zwierzę szybko dostosowuje swój ruch do nowego środowiska, inicjując pływanie. Pływanie C. elegans wykorzystuje większy zakres ruchu niż czołganie się i może być bardziej nieregularne8. Oprogramowanie takie jak CeleST ma na celu wypełnienie luki w szczegółowej analizie zachowania C. elegans w cieczy, umożliwiając ilościowe określenie parametrów związanych z ruchem, które nie są łatwo mierzone przez nieuzbrojone oko lub które można osiągnąć szybciej niż ręczna ocena. W ciągu 8 ciężkich godzin osoba może przetworzyć do 200 filmów, ~ 1,000 nagrań dziennie.

Oprogramowanie definiuje parametry oceny pływania, które służą jako kompleksowy odcisk palca sprawności fizycznej i zachowania. Oprócz wzbogacenia wiedzy na temat złożonych aspektów zachowania C. elegans w cieczach i leżących u ich podstaw szlaków molekularnych, oprogramowanie to może być wykorzystywane do badania wielu aspektów biologii, w tym reakcji farmakologicznych, starzenia się i odrębnego zachowania. Przedstawiony tutaj przegląd ilościowych zmian, które zachodzą w sprawności fizycznej dorosłych C. elegans wraz z wiekiem, jest jednym z przykładów takiego zastosowania oprogramowania (bardziej szczegółowe informacje można znaleźć w Restif i wsp.8). W kontekście starzenia się niektóre mierzone parametry spadły, podczas gdy inne wzrosły lub nie zmieniały się konsekwentnie w typie dzikim. Tendencje te zostały w dużym stopniu potwierdzone przez profil obliczeniowy mutantów długowieczności oraz względne profile pełnych wdzięku i złych kohort populacji w tym samym wieku utrzymywanych w jednakowych warunkach środowiskowych. Wysoka rozdzielczość oprogramowania może również ujawnić subtelne fenotypy, które wcześniej nie były znane w szeroko scharakteryzowanych mutantach (np. wiek-1 (hx546) na rysunku 1).

Istnieje kilka szczególnie krytycznych kroków opisanego protokołu. Utrzymanie stałej temperatury między środowiskiem pływania a kulturą na płytce szczepowej jest ważne dla odtwarzalności pływania, dlatego eksperymentatorzy są gorąco zachęcani do dołożenia wszelkich starań, aby uniknąć przypadkowych zmian temperatury. Płyny do pływania powinny mieć tę samą temperaturę co płytki. Podobnie, zwrócenie szczególnej uwagi na wielkość kropli podczas pływania pomoże zapewnić powtarzalność. Wreszcie, rozsądnie jest pomyśleć z wyprzedzeniem o odciążeniu dużych plików wideo, które się gromadzą. Zaleca się przetwarzanie obrazów w witrynie poza komputerem do przechwytywania wideo.

Korzystanie z przedstawionego tutaj oprogramowania do analizy pływania ma pewne ograniczenia. Po pierwsze, chociaż programy mogą jednocześnie śledzić wiele zwierząt, jeśli więcej niż pięć zwierząt jest analizowanych wspólnie, istnieje zwiększona szansa, że zwierzęta będą przepływać obok siebie na obrazach wideo. Gdy program nie może jednoznacznie określić, które zwierzę było które, cenzuruje te ramki danych. Chociaż ta funkcja programu zapewnia, że dane dotyczące poszczególnych zwierząt są wysokiej jakości, ogranicza przepustowość. Po drugie, obrazy powinny być dość czyste, to znaczy wolne od kurzu, smug i odblasków od światła, ponieważ powiązane sygnały mogą również zakłócić analizę obrazu. Jak zauważono w sekcji 2.1.1 protokołu, bardzo mało zaawansowaną technologicznie inwestycją, która może znacznie pomóc w przechwytywaniu obrazu poprzez wyeliminowanie komplikacji związanych z wahaniami oświetlenia otoczenia, jest pokrycie obszaru sceny ciemną tkaniną, która nie pozwala światłu otoczenia dotrzeć do sceny. Po trzecie, program jest zoptymalizowany pod kątem zwierząt w wieku dorosłym. Młode larwy pływają bardzo szybko i mają małe ciała, co zwiększa błąd programu. Po czwarte, część oprogramowania korzysta z MATLAB, a gdy są aktualizacje wersji i/lub aktualizacje systemu operacyjnego, niektóre łącza programów mogą zostać zakłócone. Obecnie oprogramowanie jest zoptymalizowane do użytku w MATLAB 2015b i Mac OS w wersji 10.10, ale spodziewamy się, że wkrótce opublikujemy wersję oprogramowania, która będzie bardziej odporna na takie zmiany. Wreszcie, pliki danych wideo mogą szybko stać się duże i wymagać przydzielenia miejsca na dysku.

Podsumowując, przedstawiona tutaj jest prosta metodologia, która może być łatwo wdrożona przez każde laboratorium bez większych inwestycji w tworzenie filmów z pływaniem C. elegans do analizy CeleST. Cechy pakietu oprogramowania obejmują rozbudowaną automatyzację od śledzenia po analizę, jednoczesne śledzenie wielu zwierząt oraz wykorzystanie podstaw matematycznych (tj. pomiarów krzywizny) do ilościowego określania większości parametrów lokomocji. Oprogramowanie jest open source, a kod i wersje demonstracyjne są publicznie dostępne, jak opisano w Restif et al.8. Chociaż program oferuje zaawansowaną komputerową analizę wizyjną do śledzenia, inne opublikowane systemy śledzenia (np. Greenblum i in., 201438) są kompatybilne z analizą parametrów przedstawionego tutaj oprogramowania. Przyszłe ulepszenia będą ukierunkowane na przekształcenie oprogramowania w bardziej solidny pakiet, który nie ogranicza użytkowania do określonych wersji systemów operacyjnych wymienionych powyżej (również wskazanych w Tabeli Materiałów).

Oświadczenia

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

Autorzy nie mają nic do ujawnienia.

Podziękowania

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

Rozwój CeleST był wspierany przez granty NIH R21AG027513 i U01AG045864. Dane i niektóre krótkie reprezentacje wideo są zaadaptowane z Restif et al. (2014)8, które zostały opublikowane na licencji Creative Commons Attribution (CC BY) http://creativecommons.org/licenses/by/4.0/. Dziękujemy Ricardo Laranjeiro za pomoc w przygotowaniu manuskryptu.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
ODCZYNNIK
N2Caenorhabditis Genetics Center (CGC)C. elegans WT (przodek).
OP50 Escherichia coliCaenorhabditis Genetics Center (CGC)Poziom bezpieczeństwa biologicznego: BSL-1.
OP50-1 Escherichia Coli Caenorhabditis Genetics Center (CGC)Oporny na streptomycynę szczep OP50.  Poziom bezpieczeństwa biologicznego: BSL-1.
Sól siarczanu streptomycynySigma-AldrichS6501
Drukowane szkiełka mikroskopowe Mikroszkiełka fluorescencyjne przeciwciał Thermo Fisher Scientific Gold Seal: 3032-002mają dwa wytrawione okręgi o średnicy 10 mm wyznaczone białym tuszem ceramicznym
Pożywka do wzrostu nicieni (NGM)Na 1 l: 17 g agaru, 3 g NaCl, 2,5 g peptonu, 1 ml 1 M CaCl2, 1 ml 5 mg/ml cholesterolu w etanolu, 25 ml 1 M buforu KPO4, 1 ml 1 M MgSO4, H2O do 1 l. Sterylizować w autoklawie.Stiernagle, T. Utrzymanie C. elegans. WormBook, 1-11, doi:10.1895/wormbook.1.101.1 (2006)
Bufor M9Dla 1 L: 3 g KH2PO4, 6 g Na2HPO4, 5 g NaCl, 1 ml 1 M MgSO4, H2O do 1 L. Sterylizować w autoklawie.Stiernagle, T. Utrzymanie C. elegans. WormBook, 1-11, doi:10.1895/wormbook.1.101.1 (2006)
EQUIPMENT
CeleSTDriscoll Lab, Rutgers University<em>C. elegans Test pływaniaOpen Source, patrz http://celestmod.github.io/CeleST/ i http://celest.mbb.rutgers.edu/
MATLABwww.mathworks.com/downloadsMatLab wersja 2015b (najlepsza)Przedstawiona tutaj wersja CeleST ma najlepszą funkcjonalność z Mac OS 10.10 i MatLab 2015b. MATLAB 2015B wprowadził zmiany w sposobie obsługi grafiki przez MATLAB, w tym nową konwencję kodowania i składnię. Te zmiany rozwiązały problem, którego nie można było elegancko rozwiązać (głównie dlatego, że wnętrze MATLABa naprawdę wymagało gruntownego remontu grafiki zaimplementowanego w MATLAB 2015B). Z tego powodu CeleST powinien być zawsze uruchamiany na MATLAB 2015B lub nowszych wersjach. Jednak dla użytkowników bez dostępu do MATLAB w wersji 2015B lub nowszej (lub w ogóle MATLAB) stworzyliśmy program CeleST, który nie potrzebuje MATLABa na komputerze na w. Instalator jest pobierany przez potencjalnego użytkownika, a następnie instaluje się na komputerze za pomocą kilku monitów, jak większość programów.  
Mac OSwww.apple.comwersja 10.10Obecnie CeleST został przeniesiony na główne systemy operacyjne (Windows, Mac i Linux). Bieżący kod może być uruchomiony na dowolnym z systemów operacyjnych i istnieją wersje dla każdego systemu operacyjnego, które nie wymagają nawet od użytkowników posiadania MATLABa do korzystania z CeleST (ta wersja wymaga dużego pobrania). Wersja dla systemu Windows została przetestowana w najmniejszym stopniu i jako taka jest najbardziej podatna na błędy. Linux został poddany umiarkowanym testom. A Mac był i nadal jest intensywnie testowany (przede wszystkim dlatego, że jest to system operacyjny w naszym laboratorium).
Mikroskop stereoskopowy ZeissStemi 2000-C 
Instrumenty diagnostycznedo pomiaru światła przechodzącegoTLB 3.1
Cyfrowa kamera CCDQImagingRolera-XR Mono Fast 1394 (ROL-XR-F-M-12)
Oprogramowanie do cyfrowego nagrywania wideoNorpixStreampix Version 3.17.2

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Brenner, S. The genetics of Caenorhabditis elegans. Genetics. 77 (1), 71-94 (1974).
  2. Jove Science Education Database. Essentials of Biology 1: yeast, Drosophila and C. elegans. An Introduction to Caenorhabditis elegans. , JoVE. Cambridge, MA. Available from: http://www.jove.com/science-education/5103/an-introduction-to-caenorhabditis-elegans (2016).
  3. Stiernagle, T. Maintenance of C. elegans. WormBook. , 1-11 (2006).
  4. Gallagher, T., Kim, J., Oldenbroek, M., Kerr, R., You, Y. J. ASI regulates satiety quiescence in C. elegans. J Neurosci. 33 (23), 9716-9724 (2013).
  5. Brown, A. E., Yemini, E. I., Grundy, L. J., Jucikas, T., Schafer, W. R. A dictionary of behavioral motifs reveals clusters of genes affecting Caenorhabditis elegans locomotion. Proc Natl Acad Sci U S A. 110 (2), 791-796 (2013).
  6. Herndon, L. A., et al. Stochastic and genetic factors influence tissue-specific decline in ageing C. elegans. Nature. 419 (6909), 808-814 (2002).
  7. Restif, C., et al. CeleST: computer vision software for quantitative analysis of C. elegans swim behavior reveals novel features of locomotion. PLoS Comput Biol. 10 (7), e1003702(2014).
  8. Ibanez-Ventoso, C., et al. Modulated microRNA expression during adult lifespan in Caenorhabditis elegans. Aging Cell. 5 (3), 235-246 (2006).
  9. Hahm, J. H., et al. C. elegans maximum velocity correlates with healthspan and is maintained in worms with an insulin receptor mutation. Nat Commun. 6, 8919(2015).
  10. Hsu, A. L., Feng, Z., Hsieh, M. Y., Xu, X. Z. Identification by machine vision of the rate of motor activity decline as a lifespan predictor in C. elegans. Neurobiol Aging. 30 (9), 1498-1503 (2009).
  11. Liu, J., et al. Functional aging in the nervous system contributes to age-dependent motor activity decline in C. elegans. Cell Metab. 18 (3), 392-402 (2013).
  12. Gerstbrein, B., Stamatas, G., Kollias, N., Driscoll, M. In vivo spectrofluorimetry reveals endogenous biomarkers that report healthspan and dietary restriction in Caenorhabditis elegans. Aging Cell. 4 (3), 127-137 (2005).
  13. Husson, S. J., Costa, W. S., Schmitt, C., Gottschalk, A. Keeping track of worm trackers. WormBook. , 1-17 (2012).
  14. Yemini, E., Jucikas, T., Grundy, L. J., Brown, A. E., Schafer, W. R. A database of Caenorhabditis elegans behavioral phenotypes. Nat Methods. 10 (9), 877-879 (2013).
  15. Wang, S. J., Wang, Z. W. Track-a-worm, an open-source system for quantitative assessment of C. elegans locomotory and bending behavior. PLoS One. 8 (7), e69653(2013).
  16. Likitlersuang, J., Stephens, G., Palanski, K., Ryu, W. S. C. elegans tracking and behavioral measurement. J Vis Exp. (69), e4094(2012).
  17. Tsechpenakis, G., Bianchi, L., Metaxas, D., Driscoll, M. A novel computational approach for simultaneous tracking and feature extraction of C. elegans populations in fluid environments. IEEE Trans Biomed Eng. 55 (5), 1539-1549 (2008).
  18. Krajacic, P., Shen, X., Purohit, P. K., Arratia, P., Lamitina, T. Biomechanical profiling of Caenorhabditis elegans motility. Genetics. 191 (3), 1015-1021 (2012).
  19. Pierce-Shimomura, J. T., et al. Genetic analysis of crawling and swimming locomotory patterns in C. elegans. Proc Natl Acad Sci U S A. 105 (52), 20982-20987 (2008).
  20. Schreiber, M. A., Pierce-Shimomura, J. T., Chan, S., Parry, D., McIntire, S. L. Manipulation of behavioral decline in Caenorhabditis elegans with the Rag GTPase raga-1. PLoS Genet. 6 (5), e1000972(2010).
  21. Fang-Yen, C., et al. Biomechanical analysis of gait adaptation in the nematode Caenorhabditis elegans. Proc Natl Acad Sci U S A. 107 (47), 20323-20328 (2010).
  22. Buckingham, S. D., Partridge, F. A., Sattelle, D. B. Automated, high-throughput, motility analysis in Caenorhabditis elegans and parasitic nematodes: Applications in the search for new anthelmintics. Int J Parasitol Drugs Drug Resist. 4 (3), 226-232 (2014).
  23. Ghosh, R., Emmons, S. W. Episodic swimming behavior in the nematode C. elegans. J Exp Biol. 211 (Pt 23), 3703-3711 (2008).
  24. Restif, C., Ibanez-Ventoso, C., Driscoll, M., Metaxas, D. Tracking C. elegans swimming for high-throughput phenotyping. 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro. , 1542-1548 (2011).
  25. Friedman, D. B., Johnson, T. E. A mutation in the age-1 gene in Caenorhabditis elegans lengthens life and reduces hermaphrodite fertility. Genetics. 118 (1), 75-86 (1988).
  26. Johnson, T. E., Tedesco, P. M., Lithgow, G. J. Comparing mutants, selective breeding, and transgenics in the dissection of aging processes of Caenorhabditis elegans. Genetica. 91 (1-3), 65-77 (1993).
  27. Morris, J. Z., Tissenbaum, H. A., Ruvkun, G. A phosphatidylinositol-3-OH kinase family member regulating longevity and diapause in Caenorhabditis elegans. Nature. 382 (6591), 536-539 (1996).
  28. Lin, K., Dorman, J. B., Rodan, A., Kenyon, C. daf-16: An HNF-3/forkhead family member that can function to double the life-span of Caenorhabditis elegans. Science. 278 (5341), 1319-1322 (1997).
  29. Ogg, S., et al. The Fork head transcription factor DAF-16 transduces insulin-like metabolic and longevity signals in C. elegans. Nature. 389 (6654), 994-999 (1997).
  30. Ziv, E., Hu, D. Genetic variation in insulin/IGF-1 signaling pathways and longevity. Ageing Res Rev. 10 (2), 201-204 (2011).
  31. Murphy, C. T., et al. Genes that act downstream of DAF-16 to influence the lifespan of Caenorhabditis elegans. Nature. 424 (6946), 277-283 (2003).
  32. Sulston, J. E., Horvitz, H. R. Post-embryonic cell lineages of the nematode, Caenorhabditis elegans. Dev Biol. 56 (1), 110-156 (1977).
  33. White, J. G., Southgate, E., Thomson, J. N., Brenner, S. The structure of the nervous system of the nematode Caenorhabditis elegans. Philos Trans R Soc Lond B Biol Sci. 314 (1165), 1-340 (1986).
  34. Varshney, L. R., Chen, B. L., Paniagua, E., Hall, D. H., Chklovskii, D. B. Structural properties of the Caenorhabditis elegans neuronal network. PLoS Comput Biol. 7 (2), e1001066(2011).
  35. Jarrell, T. A., et al. The connectome of a decision-making neural network. Science. 337 (6093), 437-444 (2012).
  36. Greenblum, A., Sznitman, R., Fua, P., Arratia, P. E., Sznitman, J. Caenorhabditis elegans segmentation using texture-based models for motility phenotyping. IEEE Trans Biomed Eng. 61 (8), 2278-2289 (2014).

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Oprogramowanie do wizji komputerowejzautomatyzowana ocena danychjednoczesne ledzenie zwierz tanaliza postawy podczas p ywaniaosiem parametr w behawioralnychanaliza lokomocji w cieczyproces przetwarzania wideoprzesiewowe badanie mutacji genetycznych

Powiązane artykuły