Summary
Cet article décrit une méthode simple et peu coûteuse d’enregistrement du comportement d’évitement de pelouse de Caenorhabditis elegans, en utilisant des éléments facilement disponibles tels qu’un smartphone et un boîtier lumineux à diodes électroluminescentes (LED). Nous fournissons également un script Python pour traiter le fichier vidéo dans un format plus propice au comptage.
Abstract
Lorsqu’il est exposé à des bactéries toxiques ou pathogènes, le nématode Caenorhabditis elegans affiche un comportement appris d’évitement de la pelouse, dans lequel les vers quittent progressivement leur source de nourriture et préfèrent rester à l’extérieur de la pelouse bactérienne. Le test est un moyen facile de tester la capacité des vers à détecter les signaux externes ou internes pour répondre correctement aux conditions nocives. Bien qu’il s’agisse d’un test simple, le comptage prend beaucoup de temps, en particulier avec plusieurs échantillons, et les durées de test qui s’étendent sur la nuit sont gênantes pour les chercheurs. Un système d’imagerie capable d’imager de nombreuses plaques sur une longue période est utile mais coûteux. Ici, nous décrivons une méthode d’imagerie basée sur un smartphone pour enregistrer l’évitement de pelouse chez C. elegans. La méthode ne nécessite qu’un smartphone et un boîtier lumineux à diodes électroluminescentes (LED) pour servir de source de lumière transmise. En utilisant des applications gratuites de caméra time-lapse, chaque téléphone peut imager jusqu’à six plaques, avec une netteté et un contraste suffisants pour compter manuellement les vers à l’extérieur de la pelouse. Les films résultants sont transformés en fichiers d’entrelacement audio-vidéo (AVI) de 10 s pour chaque point horaire horaire, puis recadrés pour montrer chaque plaque afin de les rendre plus faciles à compter. Cette méthode est un moyen rentable pour ceux qui cherchent à examiner les défauts d’évitement et peut potentiellement être étendue à d’autres tests de C. elegans.
Introduction
Parmi les nombreux avantages de l’étude de C. elegans, son système nerveux simple offre la possibilité d’étudier comment les changements au niveau génétique et cellulaire affectent la fonction du réseau et le rendement comportemental. Malgré un nombre limité de neurones, C. elegans présente un large éventail de comportements complexes. L’un d’eux est l’évitement de la pelouse, dans lequel le nématode bactériivore réagit à une source de nourriture nocive en quittant la pelouse bactérienne. C. elegans évite les pelouses de bactéries pathogènes 1,2,3, les pelouses de bactéries qui produisent des toxines ou sont enrichies de toxines1,4, et même les bactéries exprimant l’ARNi dont l’élimination du gène cible est préjudiciable à la santé des vers 4,5. Des études ont montré que les vers répondent à des signaux externes tels que les métabolites produits par les bactéries pathogènes 1,6, ou les signaux internes qui indiquent que la nourriture les rend malades 4,7. Ces signaux sont traités par des voies de signalisation conservées, telles que la voie de la protéine kinase activée par les mitogènes (MAPK) et la voie du facteur de croissance bêta transformant (TGFβ), et nécessitent une communication entre l’intestin et le système nerveux 4,6,7,8.
Bien que le test soit simple, le comportement appris se développe sur de nombreuses heures, souvent du jour au lendemain. Bien qu’il y ait des mutants qui sont incapables de partir, auquel cas marquer l’évitement à un seul moment est suffisant pour démontrer le défaut, de nombreux mutants finissent par partir mais sont plus lents à sortir. Pour ceux-ci, le mouvement des vers doit être suivi toutes les quelques heures, ce qui peut être difficile à faire du jour au lendemain. Le comptage lui-même prend également du temps, créant un décalage entre les plaques, et limitant ainsi le nombre de plaques pouvant être testées en même temps. L’utilisation d’une installation d’imagerie pour enregistrer plusieurs plaques simultanément pendant toute la durée du test serait très utile, mais le coût de l’installation peut être prohibitif, selon la situation financière du laboratoire de recherche.
Pour résoudre ce problème, nous avons mis au point une méthode très simple qui utilise des smartphones pour enregistrer les tests d’évitement. Chaque téléphone peut enregistrer des vidéos time-lapse de jusqu’à six plaques de dosage. Pour fournir de la lumière transmise, nous utilisons un boîtier lumineux à diodes électroluminescentes (LED) qui peut être facilement acheté en ligne. Les plaques d’essai sont placées sur une plate-forme surélevée, soutenue par des tunnels rectangulaires creux, qui concentrent la lumière entrante, créant un contraste. Nous fournissons également un script Python qui convertit les vidéos en fichiers AVI (Audio Video Interleave) montrant des clips de 10 s de chaque point horaire de l’heure. Les vidéos sont ensuite recadrées sur des plaques individuelles et enregistrées dans des fichiers séparés pour être utilisées pour le comptage manuel.
La méthode fournit une procédure peu coûteuse qui est également extrêmement facile à utiliser, en utilisant des articles qui sont facilement disponibles pour la plupart des gens. Ici, nous décrivons la méthode en utilisant le test bien établi d’évitement des pelouses contre l’agent pathogène humain Pseudomonas aeruginosa (PA14), dont le protocole a déjà été décrit 2,9. Enfin, nous examinons également les considérations et les limites de la méthode d’imagerie pour ceux qui veulent l’appliquer à d’autres expériences comportementales de C. elegans.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Installation de l’appareil d’imagerie (Figure 1A-E)
- Assurez-vous qu’un appareil photo de smartphone avec les exigences minimales suivantes est disponible :
Appareil photo 12 mégapixels (MP)
Résolution vidéo 1080p
5 Go d’espace de stockage (la vidéo de 20 min est de 3 à 4 Go)
Application vidéo time-lapse de la boutique d’applications (applications gratuites disponibles) - Placez le boîtier lumineux LED sur le rack inférieur de l’incubateur à 25 °C où le test aura lieu.
- Pour masquer le motif en pointillés sur la surface lumineuse LED, étalez deux feuilles de mouchoirs pour couvrir toute la surface de la boîte LED.
- Faire une platine surélevée pour l’échantillon (Figure 1A,D). L’étage surélevé est une feuille de plastique transparente soutenue par des tunnels rectangulaires creux. Les tunnels fonctionnent comme un condensateur pour focaliser la lumière, offrant un meilleur contraste avec l’échantillon (Figure 1C). Assurez-vous que les parois du tunnel sont un peu sombres pour minimiser la diffusion de la lumière. Cette étude a utilisé des boîtes en papier brun. La dimension du tunnel est de 5,5 cm x 17 cm x 4,5 cm (L x L x H). Le boîtier lumineux LED peut accueillir jusqu’à cinq tunnels.
- Placez un autre rack au-dessus de la scène pour placer les téléphones à enregistrer (Figure 1B,E). Chaque téléphone enregistrera trois à six plaques (une à deux rangées de trois plaques), alors ajustez la hauteur du rack en conséquence. Celle-ci sera située à environ 15 cm au-dessus du spécimen (figure 1B).
- Placez une multiprise à l’intérieur de l’incubateur pour brancher les téléphones pendant l’enregistrement de nuit.
2. Préparation des tampons et des milieux
- Préparer le tampon M9 en ajoutant 3 g de KH2PO4, 6 g de Na2HPO4, et 5 g de NaCl à 1 L deH2Odistillé. Stériliser à l’autoclavage à121°C pendant 20 min. Refroidir le tampon, puis ajouter 1 mL de 1 M deMgSO4.
- Préparer le tampon KPO 4 1 M en ajoutant 108,3 g de KH2PO 4 et 35,6 g de K2HPO4 à 1 L de H2O. Ajustez le pH à 6,0 en ajoutantKOH. Stériliser à l’autoclavage.
- Préparer la solution de blanchiment des vers en mélangeant 1 mL d’eau de Javel, 0,4 mL de NaOH 1 M et 2,6 mL deH2O.
- Préparer des plaques de gélose pour milieu de croissance des nématodes (NGM).
- Ajouter 3 g de NaCl, 2,5 g de peptone de bacto et 17 g de gélose bacto dans une fiole de 3 L. Ajouter 975 ml d’eau distillée et insérer une barre d’agitation.
- Stériliser à l’autoclavage, puis refroidir à 55 °C et ajouter 1 mL de cholestérol (5 mg/mL dans de l’éthanol), 1 mL de 1 M CaCl2, 1 mL de 1 M MgSO4 et 25 mL de tampon KPO4 1 M (pH6,0). Remuer pour bien mélanger. Verser dans des assiettes de 6 cm. Laissez les assiettes sécher pendant au moins 2 jours.
- Ensemencer des plaques de gélose NGM avec OP50 E. coli en pipetant environ 1 mL d’une culture de nuit d’OP50 pour former une pelouse de bactéries. Laisser à température ambiante (RT) jusqu’à ce que vous soyez prêt à être utilisé.
3. Préparation de plaques NGM à haute peptone (pour PA14)
NOTE: Ces plaques doivent être fabriquées au moins 5 jours avant le test.
- Faire NGM contenant 0,35% de peptone. Mélanger 0,3 g de NaCl, 0,35 g de peptone de bacto et 1,7 g de gélose bacto dans une fiole Erlenmeyer de 250 mL. Ajouter 97,5 ml d’eau distillée et insérer une barre d’agitation.
- Couvrir l’embouchure de la fiole avec une feuille d’aluminium et un autoclave à 121 °C pendant 20 min.
- Refroidir à 55 °C et ajouter 0,1 mL de cholestérol (5 mg/mL dans de l’éthanol), 0,1 mL de 1 M CaCl2, 0,1 mL de 1 M MgSO4 et 2,5 mL de tampon KPO4 1 M (pH6,0). Remuer pour bien mélanger.
- Verser le NGM à haute peptone dans des boîtes de Petri de 35 mm.
- Sécher les assiettes pendant au moins 2 jours.
4. Synchroniser les vers par blanchiment
REMARQUE: Commencez cette étape 3 jours avant le test.
- Prenez des assiettes contenant des vers adultes gravides et rassemblez-les dans un microtube de 1,7 ml en lavant les assiettes avec un tampon M9.
- Retirer autant de liquide que possible, puis ajouter 400 μL de solution de blanchiment. Attendez environ 4-5 minutes avec des vortex intermittents, jusqu’à ce que les corps des vers adultes se brisent, libérant les œufs.
- Ajouter un tampon M9 pour remplir le reste du microtube afin de diluer la solution de blanchiment. Rotation à vitesse maximale (12 000 à 13 000 x g) pendant 1-2 s. Retirez le surnageant et lavez trois fois de plus avec le tampon M9.
- Transférer les œufs dans une boîte de Petri vide de 35 mm contenant du tampon M9. Laisser les œufs éclore pendant la nuit à 20 °C. En l’absence de nourriture, les vers éclos s’arrêteront au stade larvaire L1, synchronisant le stade de développement de tous les vers.
REMARQUE: Enrober la boîte de Petri de 35 mm avec une solution de gélatine (0,05% de gélatine dans de l’eau autoclavée) peut empêcher les œufs de coller au fond et minimiser la perte d’œufs. - Le lendemain, transférer les vers du stade L1 sur des plaques de NGM ensemencées OP50.
- Incuber les vers à 20 °C pendant 53-54 h jusqu’à ce que les vers atteignent le stade larvaire L4.
5. Préparation de bactéries ( Pseudomonas aeruginosa, PA14)
REMARQUE: Commencez cette étape 4 jours avant le test.
- Streak a décongelé les bactéries à partir de -80 °C sur une plaque de gélose Luria Bertani (LB) sans antibiotique et incuber pendant une nuit à 37 °C.
REMARQUE: Utilisez toujours des bactéries fraîches. Les plaques striées doivent être conservées à 4 °C pendant 1 semaine au maximum. - Inoculer une seule colonie dans 3 ml de bouillon de roi et cultiver pendant la nuit dans un incubateur à agitation à 37 °C.
- Le lendemain, ensemencer 7 μL de la culture de nuit sur les plaques NGM à haute peptone et incuber à 37 °C pendant 24 h.
- Déplacer les plaques ensemencées à TA et incuber pendant encore 24 heures avant utilisation. Une fois prêt, utilisez la plaque dans les 24 heures suivantes.
6. Préparation à l’enregistrement
REMARQUE: Faites-le juste avant le test.
- Branchez le smartphone sur la multiprise connectée à une prise de courant. Assurez-vous de désactiver le paramètre de verrouillage automatique pour empêcher le téléphone de revenir à l’écran de verrouillage pendant l’enregistrement.
- Ouvrez l’application de caméra time-lapse et réglez l’intervalle de time-lapse sur 2 s. Réglez la qualité vidéo sur 1080p à 30 ips.
- Placez le smartphone avec l’écran vers le haut pour enregistrer avec la caméra arrière. Vérifiez l’écran pour vous assurer que les tunnels de la boîte en papier s’insèrent dans le champ de vision.
7. Essai d’évitement de pelouse
- À l’aide d’un pic en fil de platine, transférer 30 vers synchronisés au stade L4 (53-54 h de L1) sur la plaque PA14. Placez les vers au milieu de la pelouse bactérienne. Pour chaque condition de cette étude, deux plaques ont été testées (c.-à-d. 60 vers par condition).
- Placez les deux plaques sur la platine surélevée de l’appareil d’enregistrement, le couvercle tourné vers le bas. Le côté avec la gélose sera orienté vers le haut vers la caméra.
- Sur l’écran du smartphone, appuyez sur l’emplacement de la plaque pour que l’appareil photo puisse effectuer la mise au point sur les plaques d’essai. Il est utile d’avoir une étiquette ou une écriture sur la plaque car l’appareil photo peut l’utiliser pour faire la mise au point correctement.
REMARQUE: L’écriture sur le fond des plaques n’interfère pas avec l’imagerie des vers tant qu’elle est vers le bord. Heureusement, les vers restent près de la pelouse même après leur départ, de sorte qu’une vue dégagée n’est nécessaire que de la zone immédiate entourant la pelouse. - Démarrez l’enregistrement.
- Une fois l’enregistrement commencé, ajoutez d’autres plaques à la scène. Il peut y avoir un temps de latence important entre les plaques en raison du temps qu’il faut pour transférer les vers par cueillette. Notez le temps de latence par la suite afin que chaque condition puisse être comptée au moment où elle a commencé.
- Record pendant 20 h à partir du dernier jeu de plaques placées sur la scène. Dans la vidéo finale en accéléré, 20 h d’enregistrement donneront une vidéo de 20 minutes.
REMARQUE: Il peut être utile de compter les vers directement à partir des plaques après le test, au moins au début pour les premières occasions. Cela peut être comparé aux valeurs obtenues par imagerie vidéo pour s’assurer qu’elles donnent des chiffres similaires.
8. Traitement de la vidéo à l’aide du script Python
- Transférez le fichier vidéo sur un ordinateur pour traitement. L’extension sera un fichier MOV (iPhone) ou MP4 (Android).
- Utilisez un code Python pour traiter les vidéos. Le code peut être trouvé à github.com/khyoon201/wormavoid.
- Pour exécuter les scripts Python, assurez-vous que les éléments suivants sont préinstallés sur l’ordinateur : ffmpeg, un outil de conversion de fichiers vidéo (les instructions d’installation se trouvent sur son site Web, ffmpeg.org/download), et les paquets Python os, pandas, tkinter et ffmpeg-python.
- Trouvez les dimensions et les coordonnées de chaque plaque à l’aide du script extract_frame.py .
- Exécutez le script extract_frame.py . Une fenêtre apparaîtra pour sélectionner le fichier vidéo stocké sur l’ordinateur. Une fois l’exécution terminée, un fichier jpeg portant le même nom apparaîtra dans le même répertoire.
- Ouvrez le fichier jpeg dans ImageJ (imagej.org).
- Dans le menu, choisissez Analyser > Définir les mesures. Assurez-vous que la case Display Label (Afficher l’étiquette ) est cochée (Figure 2A). Fermez la fenêtre.
- À l’aide de l’outil Ligne droite , mesurez le diamètre d’une plaque en traçant une ligne à travers elle, puis en choisissant Analyser > Mesure dans le menu. Si la vidéo est en 1080p, chaque plaque aura une largeur d’environ 480 pixels. Notez ces informations et fermez la fenêtre Résultats .
- À l’aide de l’outil Multipoint , marquez les points en haut à gauche de chaque plaque. Ces points deviendront le coin supérieur gauche des vidéos recadrées (Figure 2B). L’ordre est important; dans l’ordre de démarrage des plaques. Après avoir créé un point pour toutes les plaques, choisissez Analyser > mesurer dans le menu. Les mesures, y compris les coordonnées X et Y des points, apparaîtront dans la fenêtre Résultats.
- Pour traiter plusieurs vidéos, répétez le processus dans ImageJ avec d’autres fichiers jpeg. Toutes les coordonnées X et Y seront répertoriées dans la même fenêtre de résultats .
- Enregistrez la fenêtre Résultats dans un fichier csv. Le fichier doit être enregistré dans le même répertoire que les fichiers vidéo.
- Trouvez l’heure de début de chaque plaque.
- Regardez le film, sur l’ordinateur ou le téléphone, et notez les heures de début de chaque jeu de plaques placées sous l’appareil photo.
- Ouvrez le fichier Résultats.csv avec les coordonnées et ajoutez une colonne « start ». Pour chaque ligne correspondant à des plaques individuelles, inscrivez l’heure de début appropriée, en secondes, dans la colonne « début » (par exemple, si l’heure de début est 0:00:08, entrez 8). Sauvegarder.
Remarque : Le nom de colonne doit être « start » (en minuscules, sans guillemets) pour être reconnu par le script suivant pour le rognage et le rognage.
- Recadrez et découpez les vidéos.
- Exécutez le script crop_n_trim.py .
- Lorsque vous y êtes invité, choisissez le fichier Results.csv .
Remarque : Assurez-vous que le fichier Résultats.csv et tous les fichiers vidéo sont dans le même répertoire. - Entrez les dimensions de la plaque. Entrez la valeur en pixels indiquée précédemment.
REMARQUE: Le script va maintenant lire chaque ligne du fichier Résultats.csv pour trouver le fichier vidéo correct en lisant le nom du fichier dans la colonne « étiquette » et recadrer selon les coordonnées indiquées dans les colonnes « X » et « Y ». L’heure de début de chaque plaque sera déterminée par l’heure indiquée dans la colonne « début ». Une fois l’exécution du script terminée, un dossier portant le même nom que le film apparaîtra, suivi de l’heure de début (par exemple, « Movie1_8 »), dans lequel des vidéos de 10 s correspondant à chaque point horaire du test seront enregistrées.
9. Comptage manuel à l’aide d’ImageJ
- Ouvrez chaque fichier AVI dans ImageJ.
- Comptez les vers visibles à l’extérieur de la pelouse. Les vers qui se chevauchent dans un cadre se séparent généralement dans un autre cadre afin qu’ils puissent être comptés correctement.
- Calculez le taux d’occupation pour chaque point temporel :
Taux d’occupation = (vers totaux - nombre de vers à l’extérieur de la pelouse)/vers totaux
REMARQUE: Les vers entreront et sortiront de la pelouse pendant la vidéo, mais cela ne modifiera pas de manière significative les résultats. Essayez d’utiliser le nombre qui semble être la moyenne, ou le nombre de vers au point horaire exact (5 s dans la vidéo).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
La première vidéo produite par le script est à 1 h du début du test. La vidéo pendant 0 h n’est pas enregistrée, car les vers commencent le test à l’intérieur de la pelouse, de sorte que le taux d’occupation est toujours de 100%.
Les vers N2 de type sauvage sont comparés aux mutants npr-1, dont le défaut d’évitement de la pelouse est bien établi dans la littérature 6,10 (Figure 3A-E). Comme on peut le voir chez le type sauvage, les vers quittent progressivement la pelouse bactérienne et restent à l’extérieur (Figure 3A,B). Les résultats sont représentés sous forme de graphique pour montrer l’évolution du taux d’occupation au fil du temps (figure 3B). Les vers à l’extérieur sont clairement visibles dans la vidéo, mais les vers à l’intérieur de l’épaisse pelouse bactérienne sont plus difficiles à distinguer (Figure 3D,E). Cependant, comme il y a exactement 30 vers dans chaque assiette, le nombre de vers encore à l’intérieur de la pelouse peut être calculé en soustrayant les vers comptés du total de 30.
Bien que cette hypothèse puisse potentiellement introduire des erreurs de comptage, surtout si certains vers se retrouvent près des parois de la plaque où il peut être difficile de voir, ce n’était pas une préoccupation importante. Lorsque les comptages effectués directement à partir des plaques ont été comparés aux comptages des vers imagés, les comptages des vers imagés se sont avérés très précis. Lorsque trois essais pour chaque souche ont été moyennés ensemble, les souches N2 et npr-1 ont donné une précision de 99,5 % et 96,2 %, respectivement (Figure 3B,C). Il convient de noter qu’il y avait une tendance légèrement plus élevée à manquer quelques vers npr-1 en raison de leur motilité élevée11, tandis que les vers de type sauvage avaient tendance à rester près de la pelouse.
Figure 1 : Appareil d’imagerie. (A) Vue schématique de la configuration d’imagerie. (B) Appareil d’imagerie installé à l’intérieur d’un incubateur réglé à 25 °C pour les essais d’évitement des pelouses PA14. (C) Comparaison des vers photographiés avec ou sans le tunnel. (D) Vue rapprochée de la façon dont les plaques sont montées au-dessus des tunnels. (E) La hauteur du téléphone est réglée de manière à ce que jusqu’à six plaques de 35 mm puissent tenir dans l’écran. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 2 : Détermination des coordonnées des plaques à l’aide d’ImageJ. (A) Dans Analyser > définir les mesures, la case Afficher l’étiquette doit être cochée (case pointillée rouge). (B) Une seule image extraite de la vidéo est utilisée pour tracer les coordonnées utilisées pour le recadrage. Les points créés à l’aide de l’outil Multipoints sont en jaune. Ceux-ci servent de coins supérieurs gauche des vidéos recadrées finales (marquées comme une boîte blanche pointillée). Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 3 : Résultats représentatifs de l’image et de l’essai. (A) Après plusieurs heures d’exposition au PA14, la plupart des vers quittent la pelouse et restent à l’extérieur. (B) Résultats représentatifs de l’essai d’évitement de la pelouse. Le mouvement des vers est suivi toutes les heures pour déterminer le taux d’occupation. Les carrés ouverts au point temporel de 20 h indiquent la valeur moyenne déterminée par comptage direct à partir des plaques de C. (C) Pour évaluer l’exactitude des comptages effectués par la vidéo, les vers ont également été comptés directement à la fin de l’essai et comparés aux valeurs obtenues par imagerie vidéo. Les valeurs indiquent le nombre de vers à l’intérieur/à l’extérieur de la pelouse. (D, E) Les vers L4 sont clairement visibles à l’extérieur de la pelouse bactérienne (pointe de flèche noire), tandis que les vers à l’intérieur sont plus difficiles à voir (pointe de flèche blanche). Les vers qui se chevauchent dans une image peuvent généralement être distingués dans une autre image du même film (pointe de flèche à contour noir). Le numéro en bas à droite indique le numéro d’image sur le nombre total d’images du clip vidéo de 10 s (30 images/s). Veuillez cliquer ici pour voir une version agrandie de cette figure.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
L’imagerie du comportement des animaux, plutôt que de s’appuyer sur l’observation directe, est non seulement pratique, mais présente également l’avantage de laisser une documentation visuelle. Cela permet une analyse aveugle par une tierce personne objective, ou pourrait même être utilisé pour une analyse automatisée à l’aide de techniques de reconnaissance d’images. Malgré les avantages, l’équipement standard généralement offert est élevé en coût, de sorte que l’on s’engage à la configuration une fois acheté.
L’utilisation de smartphones pour collecter des enregistrements vidéo du comportement simple de C. elegans offre plusieurs avantages. Il nécessite une connaissance minimale des connaissances techniques et est extrêmement facile à configurer, en utilisant des articles qui peuvent être achetés facilement et à moindre coût. Un autre avantage est la portabilité d’un smartphone - il peut tenir dans de petits espaces, et comme il a son propre stockage, il n’a pas besoin d’être reconnecté à un ordinateur. Cela permet de placer l’installation n’importe où, même lorsque l’espace est extrêmement limité. Déplacer les fichiers vidéo enregistrés vers l’ordinateur est pratique - les fichiers ne sont pas si gros car ils sont encodés dans un format MPEG-4 compressé. Le déplacement de fichiers est particulièrement pratique lorsque des options sans fil de transfert de fichiers sont disponibles.
Étant donné que les vers sont imagés sans aucun grossissement, les vers capturés dans les vidéos ne comportent que quelques pixels. Les vers L4 sont juste assez grands pour être capturés sans grossissement, mais la petite taille des pixels limite son utilisation pour la reconnaissance d’image de haute qualité et le suivi des mouvements. L’utilisation de l’objectif zoom offert par les modèles plus récents ou la fixation d’un adaptateur d’objectif zoom peut aider à obtenir des images plus détaillées, bien que nous n’ayons pas essayé cela nous-mêmes. Cependant, cela réduirait également le champ de vision et le nombre de plaques pouvant être imagées simultanément.
Pour faciliter le comptage, les vidéos sont recadrées pour montrer des plaques individuelles et coupées à des vidéos de 10 s correspondant à chaque heure du test. Ceci est également important car la conversion des vidéos au format AVI augmente considérablement la taille du fichier, et le recadrage et le découpage des vidéos garantissent que les tailles de fichiers sont plus faciles à gérer. Les fichiers AVI rognés pourraient également être utilisés pour compter automatiquement les vers avec un algorithme de reconnaissance d’image. Pour la souche de type sauvage, nous avons constaté qu’une forme brute de comptage automatisé est possible dans ImageJ, en utilisant un seuillage simple. Cependant, lorsque des mutants avec une taille corporelle plus petite sont utilisés, les comptages automatisés produisent plus d’erreurs.
De nombreux efforts ont été déployés pour imager les vers et automatiser les analyses. Traditionnellement, les vers étaient enregistrés à l’aide d’une caméra fixée à un microscope à dissection, qui ne permet généralement d’imager que quelques vers à la fois en raison de son champ de vision limité. La nécessité d’imager plus de vers simultanément pour des analyses à débit plus élevé a poussé les chercheurs à développer des approches d’imagerie créatives. Une façon consistait à utiliser des scanners à plat modifiés pour imager les tests de durée de vie, tels que WormScan ou Lifespan Machine12,13. Un scanner haute résolution peut imager les vers afin que les vers vivants en mouvement puissent être distingués des vers morts immobiles.
Pour suivre les mouvements des vers à un taux de fps plus élevé, une caméra est fixée à un objectif et les vers sont imagés sans microscope14,15. Churgin et al., qui ont développé WorMotel14, une méthode d’imagerie à long terme de vers individuels cultivés dans une plaque multipuits polydiméthylsiloxane (PDMS), fournissent des explications détaillées sur les facteurs à prendre en compte lors du choix de la bonne caméra et du bon objectif16. Cette méthode présente également l’avantage supplémentaire d’être relativement modeste en coût.
La capture de vers sans microscope entraîne inévitablement des images qui n’ont pas la résolution nécessaire pour une analyse détaillée de la locomotion ou de la démarche des vers. Pour remédier à cela, Barlow et al. ont utilisé une stratégie consistant à utiliser six caméras disposées en trois par deux pour capturer une seule plaque de 96 puits17. Chaque caméra est configurée pour n’imager que quatre x quatre puits de la plaque de 96 puits, ce qui permet d’obtenir une taille et une résolution beaucoup plus élevées des vers imagés.
Parce que C. elegans a un corps clair, l’éclairage doit également être ajusté pour fournir un contraste par rapport à l’arrière-plan. Notre méthode utilisait l’éclairage d’une boîte à lumière LED plate, passée à travers un tunnel étroit pour focaliser la lumière. Les dimensions ont été déterminées par la taille de la plaque imagée; La largeur de 5,5 cm correspond à la plaque de 35 mm utilisée pour le test d’évitement. Pour imager une plus grande surface, le tunnel devra être plus large, mais nous avons constaté que la hauteur doit également être augmentée pour obtenir le même effet de mise au point. L’inconvénient est que, avec des tunnels plus hauts, une plus grande partie des murs peut être vue à travers la plaque, obstruant la vue au bord de la plaque. Une autre stratégie qui pourrait être employée consiste à utiliser des guirlandes lumineuses LED disposées dans un anneau circulaire (anneau LED). La lumière, venant de nombreuses directions, se disperse à la surface du corps du ver, créant des vers clairs sur un fond sombre14,16,18. Cela pourrait fonctionner non seulement pour les plaques plus grandes, mais aussi pour l’imagerie dans des espaces plus petits qui ne peuvent pas s’adapter à une boîte à lumière LED.
Avec de nombreuses stratégies d’imagerie disponibles développées par la communauté des vers, les chercheurs voudront peut-être essayer quelques options pour trouver celle qui correspond à leurs besoins. La méthode d’imagerie décrite ici est suffisamment bon marché et accessible pour pouvoir être facilement utilisée dans les salles de classe de premier cycle ou comme solution temporaire avant d’investir dans une configuration à long terme.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Aucun conflit d’intérêts déclaré.
Acknowledgments
Nous remercions Deok Joong Lee pour la lecture critique du manuscrit et le test du code Python. Cette recherche a été parrainée par la Fondation nationale de recherche de Corée 2017R1A5A2015369 (K.-h.Y.) et 2019R1C1C1008708 (K.-h.Y.).
Materials
| Name | Company | Catalog Number | Comments |
| 35 mm Petri dish | SPL | #10035 | |
| Bacto agar | BD | #214010 | |
| Bacto Peptone | BD | #211677 | |
| CaCl2 | DAEJUNG | 2507-1400 | |
| Cholesterol | BioBasic | CD0122 | |
| Dipotassium hydrogen phosphate (K2HPO4) | JUNSEI | 84120-0350 | |
| Glycerol | BioBasic | GB0232 | |
| King B Broth | MB cell | MB-K0827 | |
| LED light box multi-pad | Artmate | N/A | This is a USB powered, LED light pad for tracing and drawing purposes. Artmate is a Korean brand, but searching for "LED light box for tracing" in any search engine should yield numerous options from other brands. Overall dimension is around 9" x 12" (A4 size). For example, from 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 |
| MgSO4 | DAEJUNG | 5514-4400 | |
| Plastic paper sleeve (clear) | Smead | #85753 | Any clear plastic sheet with a bit of stiffness can be used as stage. For example, from Amazon US: https://www.amazon.com/Smead-Organized-Translucent-Project-85753/dp/B07HJTRCT7/ref=psdc_1069554_t3_B09J48GXQ 8 |
| Potassium dihydrogen phosphate (KH2PO4) | JUNSEI | 84185-0350 | |
| Power strip | To accommodate 3 phones and one LED box, you need at least 4 outlets. | ||
| Smartphone | N/A | N/A | Minimum requirement: 12MP wide camera, 1080p HD video recording at 30fps |
| Sodium chloride(NaCl) | DAEJUNG | #7548-4100 | |
| Sodium phosphate dibasic anhydrous (Na2HPO4) | YAKURI | #31727 |
References
- 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).
- 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).
- Hao, Y., et al. Thioredoxin shapes the C. elegans sensory response to Pseudomonas produced nitric oxide. eLife. 7, 36833 (2018).
- Liu, Y., Samuel, B. S., Breen, P. C., Ruvkun, G. Caenorhabditis elegans pathways that surveil and defend mitochondria. Nature. 508 (7496), 406-410 (2014).
- Melo, J. A., Ruvkun, G. Inactivation of conserved C. elegans genes engages pathogen- and xenobiotic-associated defenses. Cell. 149 (2), 452-466 (2012).
- 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).
- Singh, J., Aballay, A. Intestinal infection regulates behavior and learning via neuroendocrine signaling. eLife. 8, 50033 (2019).
- Lee, K., Mylonakis, E. An intestine-derived neuropeptide controls avoidance behavior in Caenorhabditis elegans. Cell Reports. 20 (10), 2501-2512 (2017).
- Singh, J., Aballay, A. Bacterial lawn avoidance and bacterial two choice preference assays in Caenorhabditis elegans. Bio-Protocol. 10 (10), 3623 (2020).
- 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).
- 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).
- 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).
- Stroustrup, N., et al. The Caenorhabditis elegans lifespan machine. Nature Methods. 10 (7), 665-670 (2013).
- 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).
- Marquina-Solis, J., et al. Peptidergic signaling controls the dynamics of sickness behavior in Caenorhabditis elegans. bioRxiv. , (2022).
- Churgin, M. A., Fang-Yen, C. An imaging system for monitoring C. elegans behavior and aging. Methods in Molecular Biology. 2468, 329-338 (2022).
- Barlow, I. L., et al. Megapixel camera arrays enable high-resolution animal tracking in multiwell plates. Communications Biology. 5 (1), 253 (2022).
- 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).
