$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Łatwość obsługi, analiza wieloparametryczna i wysoka przepustowość zilustrowanego protokołu WF-NTP (Rysunki 1 i 2) umożliwiają bardzo dokładne określenie bardzo małych zmian w zachowaniu robaka. Platforma obrazowania oparta jest na specjalnie wykonanej optomechanice i może być montowana za pomocą monochromatycznego aparatu 6 MP w połączeniu z obiektywem o ogniskowej 16 mm o wysokiej rozdzielczości dla czujnika 1'', oświetlonego białym podświetleniem 8'' na 8'' (więcej szczegółów w Tabeli materiałów, a także reference36). Powiązane oprogramowanie WF-NTP jest napisane w języku Python i zostało opracowane do działania na platformach Windows. Działa na niestandardowo zmontowanym komputerze z ośmiordzeniowym procesorem 3,00 GHz i 64 GB pamięci o dostępie swobodnym (RAM). Oprogramowanie zostało również zaprojektowane tak, aby zrównoleglić pracę i analizę wideo w oparciu o pamięć RAM i procesor komputera; Oznacza to, że maszyna o mniejszej mocy obliczeniowej spowoduje, że mniej filmów będzie uruchamianych równolegle. Konfiguracja, z której obecnie korzystamy, jest zoptymalizowana do uruchamiania do ok. 16 filmów równolegle i może zakończyć analizę ok. 100 filmów w ciągu jednej nocy. Co więcej, wysoki poziom szczegółowości personalizacji zapewniony w graficznym interfejsie użytkownika WF-NTP pozwala na doskonałą kontrolę jakości analizy obrazowej. Graficzny interfejs użytkownika może być używany do bezpośredniego przesyłania dużych zestawów danych równolegle lub pojedynczych filmów; Można również wybrać określone klatki do szczegółowej analizy cząstkowej wraz ze współczynnikiem konwersji piksela, który można wykorzystać do oszacowania wskaźników behawioralnych. Jeden z dwóch różnych algorytmów śledzenia (keep dead i Z-transform) można wybrać w zależności od tego, czy użytkownik chciałby uwzględnić w analizie sparaliżowane zwierzęta, czy nie. Parametr progowania można dostroić odpowiednio do jakości wideo i eksperymentu. Parametry otwierania i zamykania pozwalają użytkownikowi usunąć szum i dalej zaimplementować funkcję progowania. Algorytm szkieletyzacji oferuje alternatywną metodę analizy. Odcięcia rozmiaru obiektu (filtrowanie) zapewniają dodatkowy filtr dla szumu tła, a parametr podobny do robaka pozwala użytkownikowi brać pod uwagę tylko robaki obiekty o kształcie elipsoidalnym, odróżniając się w ten sposób od innych obiektów, które mogą mieć ten sam rozmiar piksela co robaki. Po tych operacjach progowania, wszystkie wynikowe oznaczone regiony mogą zostać zidentyfikowane jako pojedyncze robaki, a pozycje tych regionów są następnie przechowywane dla każdej klatki w celu późniejszej analizy i śledzenia. Mimośród każdego śledzonego robaka jest używany do oszacowania wskaźników robaka, takich jak zakres wygięcia ślimaka (BPM) w funkcji czasu. Użytkownicy mogą również wybrać liczbę klatek używanych do przechowywania robaka w pamięci oprogramowania po kolizjach, a liczba pikseli, które robak może przemieszczać się między klatkami, może być również dostrojona w celu odróżnienia zwierząt od hałasu. Opcja minimalnej długości ścieżki pozwala użytkownikowi na odrzucenie robaków, które były śledzone tylko przez kilka klatek. Inne kluczowe parametry, takie jak zgięcia i prędkość, pozwalają użytkownikowi wybrać stopień zgięcia niezbędny do zaliczenia jako zgięcie ciała oraz liczbę klatek uważanych za potrzebne do oszacowania prędkości zwierząt. Parametry odcięcia mogą być dodatkowo dostrojone pod kątem włączenia sparaliżowanych zwierząt. Dane wyjściowe są automatycznie wyświetlane w plikach wynikowych. Wartości te są uważane za górne granice oceny frakcji zwierząt sparaliżowanych. Użytkownik może również wybrać jeden lub więcej obszarów zainteresowania. Ta funkcja jest szczególnie przydatna do analizowania subpopulacji robaków, a dane wyjściowe są automatycznie sortowane w plikach wyników. Opcja wyjściowa pozwala użytkownikowi wybrać folder wyjściowy i liczbę ramek śledzenia, które zostaną dla niego wyprodukowane. Do dalszej analizy danych można również wykorzystać różne zestawy narzędzi, takie jak narzędzie do kreślenia ścieżki, które pokazuje poszczególne ślady robaków oraz narzędzie do pobierania odcisków palców, które umożliwia użytkownikowi tworzenie map odcisków palców.
Ta metodologia umożliwia przyjęcie nowych podejść, nie tylko do badań biologicznych C. elegans, ale także do celów badań farmakologicznych i medycznych, takich jak wysokoprzepustowe badania przesiewowe modyfikacji genetycznych i leczenia farmakologicznego. Zilustrowaliśmy ten potencjał, opisując charakterystykę fenotypów dla dużych badań populacyjnych (N > 1000) różnych modeli robaków choroby neurodegeneracyjnej (otępienie czołowo-skroniowe (FTD)39, choroba Parkinsona (PD)7, choroba Alzheimera (AD)16,40, oraz stwardnienie zanikowe boczne (ALS)19 (Rysunek 3a) oraz scharakteryzowanie efektów działania potencjalnych cząsteczek terapeutycznych za pomocą modeli robaków PD18 i AD15,12 (Rysunek 3b). Dwie małe cząsteczki, skwaloamina18 i bexarotene15, podawano w stężeniach do 25 μM odpowiednio robakom PD (Rysunek 3b) i 10 μM do ADxref"38 (Rysunek 3b). Oba związki wykazały wyraźne działanie zależne od dawki w badanym zakresie stężeń. Wykazaliśmy, że ta wysoka dokładność pomiarów jest osiągana poprzez zwiększenie liczby robaków, które mogą być analizowane w porównaniu z tradycyjnymi metodami (Rysunek 3c). Zilustrowaliśmy znaczenie wielkości próby (Rysunek 3c) w molekularnych badaniach przesiewowych, a także w charakterystyce zmutowanych szczepów. Wzrost temperatury od 20 °C prowadzi do tego, że około połowa robaków AD zostaje sparaliżowana po 3 dniach dorosłości. Populacje robaków badano w różnych warunkach, np. gdy robaki z nadmierną ekspresją 42-resztowej formy peptydu β amyloidu (Aβ1-42) (robaki AD) były narażone na subtelne wahania temperatury (Rysunek 3c, lewy panel), gdy Aβ1-42 był wyrażany we wszystkich neuronach (Rysunek 3c, panel centralny) lub gdy robaki AD były wystawione na działanie beksarotenu (Rysunek 3c, prawy panel). Robaki analizowano również na podstawie małych ROI losowo wybranych z pełnego pola widzenia filmów uzyskanych za pomocą WF-NTP (N < 50, żółte paski), podkreślając porównanie ruchliwości tych robaków ze średnią ruchliwością całej populacji robaków (N < 1000). We wszystkich panelach różnica mierzona w całej populacji robaków wydaje się być statystycznie istotna i wynosi p ≤ 0,0001 (****).
Opisany tutaj protokół WF-NTP pozwala również na jednoczesne rejestrowanie wielu parametrów (Rysunek 1b) w celu wspierania, w optymalny sposób, zarówno wewnętrznej walidacji, jak i opracowania kompleksowego odcisku palca szerokiego zakresu warunków w odniesieniu do próbki kontrolnej, co pozwala na znaczące porównania między wieloma badaniami. To wieloparametryczne podejście obejmuje jednoczesną analizę wielu cech behawioralnych, w tym częstotliwości zginania, prędkości, szybkości paraliżu, rozmiaru, amplitudy zgięcia i przemieszczenia zgięcia36. Pozwala to na bardzo szczegółowe monitorowanie tysięcy zwierząt z bardzo wysoką czułością i istotnością statystyczną, a także stwarza możliwości badań na dużych populacjach. Ta procedura śledzenia ma również tę zaletę, że umożliwia przeprowadzanie badań paraliżu równolegle z innymi pomiarami behawioralnymi, co jest kluczową cechą molekularnych badań przesiewowych.
Wyniki, które do tej pory osiągnięto w AD15,34,35 i PD18 odkrywanie leków pokazują znaczenie pozyskiwania danych o szerokim polu widzenia dla znacznego zwiększenia liczby zwierząt, które można monitorować w jednym eksperymencie, znacznie zmniejszając błędy eksperymentalne i znacznie poprawiając statystyczną ważność badań. Opierając się na tych wynikach, przewidujemy, że protokół WF-NTP, który udostępniliśmy dla community36, znacznie rozszerzy zastosowanie C. elegans.

Rysunek 1: Etapy analizy WF-NTP i przykład odcisku palca. a) 1. Oryginalny film. 2. Obraz tła. 3. Obraz odjęty od tła. 4-6. Stopnie progowe. 7-9. Pojedyncze etykietowanie robaków. (b) Wiele fenotypów jest zgłaszanych za pomocą odcisku palca dla robaków typu dzikiego i modeli robaków PD i AD. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 2: Graficzny interfejs użytkownika (GUI) WF-NTP. W graficznym interfejsie użytkownika można wybrać konkretne filmy i wybrane klatki do analizy, a także wprowadzić współczynnik konwersji pikseli, po czym analiza jest przeprowadzana za pomocą jednego z dwóch podanych algorytmów śledzenia. Możliwe jest wybranie stopnia zgięcia niezbędnego do zaliczenia jako zgięcie ciała, a także liczby klatek potrzebnych do oszacowania prędkości zwierząt. Zgięcia ciała i progi prędkości mogą decydować o statystykach sparaliżowanych robaków. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 3: Przykłady aplikacji obsługiwanych przez metodę WF-NTP. (a) Zastosowanie WF-NTP w dużych badaniach populacyjnych (N > 1,000) pomiarów BPM dla modeli C. elegans szeregu chorób neurodegeneracyjnych, w tym FTD, PD, AD i ALS. (b) Zastosowanie WF-NTP w odkrywaniu leków. (c) Znaczenie badań populacyjnych w zakresie wrażliwości na temperaturę, skuteczności leków i charakterystyki zmutowanych szczepów. Fenotypy subpopulacji N < 50 (żółte paski) są porównywane z fenotypami całej populacji robaków (N < 1,000). Słupki błędów wskazują błąd standardowy średniej (SEM). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.