Summary

Eine Smartphone-basierte Bildgebungsmethode für den Rasenvermeidungstest von C. elegans

Published: February 24, 2023
doi:
Please note that all translations are automatically generated. Click here for the English version.

Summary

Dieser Artikel beschreibt eine einfache und kostengünstige Methode zur Aufzeichnung des Rasenvermeidungsverhaltens von Caenorhabditis elegans mit leicht verfügbaren Gegenständen wie einem Smartphone und einem Leuchtkasten mit Leuchtdioden (LED). Wir stellen auch ein Python-Skript zur Verfügung, um die Videodatei in ein Format zu verarbeiten, das besser zum Zählen geeignet ist.

Abstract

Bei Kontakt mit toxischen oder pathogenen Bakterien zeigt der Fadenwurm Caenorhabditis elegans ein erlerntes Rasenvermeidungsverhalten, bei dem die Würmer nach und nach ihre Nahrungsquelle verlassen und sich bevorzugt außerhalb des Bakterienrasens aufhalten. Der Assay ist eine einfache Möglichkeit, die Fähigkeit der Würmer zu testen, äußere oder innere Signale wahrzunehmen, um richtig auf schädliche Bedingungen zu reagieren. Obwohl es sich um einen einfachen Assay handelt, ist das Zählen zeitaufwändig, insbesondere bei mehreren Proben, und Testdauern, die sich über Nacht erstrecken, sind für Forscher unpraktisch. Ein Bildgebungssystem, das viele Platten über einen langen Zeitraum abbilden kann, ist nützlich, aber kostspielig. Hier beschreiben wir ein Smartphone-basiertes Bildgebungsverfahren zur Erfassung der Rasenvermeidung bei C. elegans. Die Methode erfordert nur ein Smartphone und einen Leuchtkasten mit Leuchtdiode (LED), der als Durchlichtquelle dient. Mit kostenlosen Zeitraffer-Kameraanwendungen kann jedes Telefon bis zu sechs Platten mit ausreichender Schärfe und Kontrast abbilden, um Würmer außerhalb des Rasens manuell zu zählen. Die resultierenden Filme werden für jeden stündlichen Zeitpunkt in 10-Sekunden-Audio-Video-Interleave-Dateien (AVI) verarbeitet und dann zugeschnitten, um jede einzelne Platte anzuzeigen und sie für die Zählung zugänglicher zu machen. Diese Methode ist eine kostengünstige Methode für diejenigen, die Vermeidungsfehler untersuchen möchten, und kann möglicherweise auf andere C. elegans-Assays ausgeweitet werden.

Introduction

Zu den vielen Vorteilen der Untersuchung von C. elegans gehört das einfache Nervensystem, das die Möglichkeit bietet, zu untersuchen, wie sich Veränderungen auf genetischer und zellulärer Ebene auf die Netzwerkfunktion und den Verhaltensoutput auswirken. Trotz einer begrenzten Anzahl von Neuronen zeigen C. elegans ein breites Spektrum an komplexen Verhaltensweisen. Eine davon ist die Rasenvermeidung, bei der der bakterivore Fadenwurm auf eine schädliche Nahrungsquelle reagiert, indem er den Bakterienrasen verlässt. C. elegans meiden Rasenflächen mit pathogenen Bakterien 1,2,3, Rasenflächen mit Bakterien, die Toxine produzieren oder mit Toxinen versetzt sind1,4, und sogar RNAi-exprimierende Bakterien, deren Zielgen-Knockdown die Gesundheit der Würmer beeinträchtigt 4,5. Studien haben gezeigt, dass Würmer auf äußere Signale reagieren, wie z. B. Metaboliten, die von den pathogenen Bakterien produziert werden 1,6, oder auf interne Signale, die darauf hindeuten, dass das Futter sie krank macht 4,7. Diese Signale werden über konservierte Signalwege wie den Mitogen-aktivierten Proteinkinase-Signalweg (MAPK) und den TGFβ-Signalweg (Transforming Growth Factor beta) verarbeitet und erfordern eine Kommunikation zwischen Darm und Nervensystem 4,6,7,8.

Obwohl der Test einfach ist, entwickelt sich das erlernte Verhalten über viele Stunden, oft über Nacht. Während es Mutanten gibt, die nicht in der Lage sind, das Defekt zu verlassen, in diesem Fall reicht es aus, das Scoring zu einem bestimmten Zeitpunkt zu vermeiden, um den Defekt zu demonstrieren, aber viele Mutanten gehen schließlich, kommen aber langsamer heraus. Für diese muss die Bewegung der Würmer alle paar Stunden verfolgt werden, was über Nacht schwierig sein kann. Auch das Zählen selbst nimmt Zeit in Anspruch, wodurch eine Verzögerungszeit zwischen den Platten entsteht und somit die Anzahl der Platten begrenzt wird, die gleichzeitig getestet werden können. Die Verwendung eines Bildgebungsaufbaus zur gleichzeitigen Aufzeichnung vieler Platten über die gesamte Dauer des Assays wäre sehr nützlich, aber die Kosten für die Einrichtung können je nach Finanzierungssituation des Forschungslabors unerschwinglich sein.

Um dieses Problem zu lösen, haben wir eine sehr einfache Methode entwickelt, bei der Smartphones verwendet werden, um Vermeidungstests aufzuzeichnen. Jedes Telefon kann Zeitraffervideos von bis zu sechs Assay-Platten aufnehmen. Für die Bereitstellung von Durchlicht verwenden wir einen Leuchtkasten mit Leuchtdioden (LED), der einfach online erworben werden kann. Die Untersuchungsplatten befinden sich auf einer erhöhten Plattform, die von hohlen rechteckigen Tunneln getragen wird, die das einfallende Licht bündeln und so einen Kontrast erzeugen. Wir stellen auch ein Python-Skript zur Verfügung, das die Videos in AVI-Dateien (Audio Video Interleave) konvertiert, die 10-Sekunden-Clips jedes stündlichen Zeitpunkts zeigen. Die Videos werden dann auf einzelne Platten zugeschnitten und in separaten Dateien gespeichert, um sie für die manuelle Zählung zu verwenden.

Die Methode bietet ein kostengünstiges Verfahren, das auch extrem einfach anzuwenden ist, wobei Gegenstände verwendet werden, die für die meisten Menschen leicht verfügbar sind. In dieser Arbeit beschreiben wir die Methode anhand des etablierten Rasenvermeidungstests gegen den humanpathogenen Erreger Pseudomonas aeruginosa (PA14), dessen Protokoll bereits beschrieben wurde 2,9. Schließlich gehen wir auch auf die Überlegungen und Einschränkungen der Bildgebungsmethode für diejenigen ein, die sie auf andere Verhaltensexperimente von C. elegans anwenden möchten.

Protocol

1. Einrichten des Bildgebungsgeräts (Abbildung 1A-E) Stellen Sie sicher, dass eine Smartphone-Kamera mit den folgenden Mindestanforderungen verfügbar ist:12 Megapixel (MP) KameraVideo mit 1080p-Auflösung5 GB Speicherplatz (20 min Video sind 3-4 GB)Zeitraffer-Video-App aus dem App-Store (kostenlose Anwendungen verfügbar) Platzieren Sie den LED-Leuchtkasten auf dem unteren Gestell des 25 °C-Inkubators, in dem der Assay stattfinden soll. Um das gepunktete Muster auf der LED-Lichtfläche zu verbergen, breiten Sie zwei Tücher aus, um die gesamte Oberfläche der LED-Box zu bedecken. Stellen Sie eine erhöhte Stufe für die Probe her (Abbildung 1A, D). Die aufgeständerte Bühne ist eine durchsichtige Kunststoffplatte, die von hohlen rechteckigen Tunneln getragen wird. Tunnel funktionieren wie ein Kondensor, um das Licht zu fokussieren und so einen besseren Kontrast zur Probe zu erzielen (Abbildung 1C). Stellen Sie sicher, dass die Wände des Tunnels etwas dunkel sind, um die Lichtstreuung zu minimieren. In dieser Studie wurden braune Papierschachteln verwendet. Die Abmessungen des Tunnels betragen 5,5 cm x 17 cm x 4,5 cm (B x L x H). Der LED-Leuchtkasten bietet Platz für bis zu fünf Tunnel. Platzieren Sie ein weiteres Rack über der Bühne, um die Telefone für die Aufnahme zu platzieren (Abbildung 1B, E). Jedes Telefon zeichnet drei bis sechs Platten auf (ein bis zwei Reihen mit je drei Platten), passen Sie also die Rackhöhe entsprechend an. Dieser befindet sich ca. 15 cm über der Probe (Abbildung 1B). Legen Sie eine Steckdosenleiste in den Inkubator, um die Telefone während der nächtlichen Aufnahme anzuschließen. 2. Vorbereitung von Puffern und Medien Bereiten Sie M9-Puffer vor, indem Sie 3 g KH2PO4, 6 gNa2HPO4 und 5 g NaCl zu 1 L destilliertemH2Ohinzufügen. Sterilisieren Sie durch Autoklavieren bei 121°C für 20 min. Kühlen Sie den Puffer ab und fügen Sie dann 1 ml 1 MMgSO4 hinzu. Bereiten Sie 1 M KPO 4 Puffer vor, indem Sie 108,3 g KH 2 PO 4 und 35,6 g K 2 HPO4 auf 1 L H 2O zugeben. Stellen Sie den pH-Wert durchZugabe von KOH auf 6,0 ein. Sterilisieren durch Autoklavieren. Bereiten Sie die Wurmbleichlösung vor, indem Sie 1 ml Bleichmittel, 0,4 ml 1 M NaOH und 2,6 mlH2Omischen. Bereiten Sie Nematoden-Nährmedien (NGM)-Agarplatten vor.3 g NaCl, 2,5 g Bacto-Pepton und 17 g Bacto-Agar in einen 3-Liter-Kolben geben. Fügen Sie 975 ml destilliertes Wasser hinzu und setzen Sie einen Rührstab ein. Durch Autoklavieren sterilisieren, dann auf 55 °C abkühlen lassen und 1 ml Cholesterin (5 mg/ml in Ethanol), 1 ml 1 M CaCl2, 1 ml 1 M MgSO4 und 25 ml 1 MKPO4-Puffer (pH 6,0) hinzufügen. Rühren Sie um, um alles gut zu vermischen. In 6 cm große Teller füllen. Lassen Sie die Teller mindestens 2 Tage trocknen. Säen Sie NGM-Agarplatten mit OP50 E. coli , indem Sie etwa 1 ml einer OP50-Kultur über Nacht pipettieren, um einen Rasen aus Bakterien zu bilden. Bis zur Verwendung bei Raumtemperatur (RT) stehen lassen. 3. Herstellung von NGM-Platten mit hohem Peptongehalt (für PA14) HINWEIS: Diese Platten sollten mindestens 5 Tage vor dem Test angefertigt werden. Stellen Sie NGM her, das 0,35 % Pepton enthält. Mischen Sie 0,3 g NaCl, 0,35 g Bactopepton und 1,7 g Bacto-Agar in einem 250-ml-Erlenmeyerkolben. Fügen Sie 97,5 ml destilliertes Wasser hinzu und setzen Sie einen Rührstab ein. Decken Sie die Kolbenöffnung mit Alufolie ab und autoklavieren Sie sie 20 Minuten lang bei 121 °C. Auf 55 °C abkühlen lassen und 0,1 ml Cholesterin (5 mg/ml in Ethanol), 0,1 ml 1 M CaCl 2, 0,1 ml 1 M MgSO4 und2,5 ml 1 MKPO4-Puffer (pH 6,0) zugeben. Rühren Sie um, um alles gut zu vermischen. Gießen Sie NGM mit hohem Peptongehalt in 35-mm-Petrischale. Trocknen Sie die Teller mindestens 2 Tage lang. 4. Synchronisieren von Würmern durch Bleichen HINWEIS: Beginnen Sie mit diesem Schritt 3 Tage vor dem Test. Nehmen Sie Platten mit trächtigen erwachsenen Würmern und sammeln Sie sie in einem 1,7-ml-Mikroröhrchen, indem Sie die Platten mit M9-Puffer waschen. Entfernen Sie so viel Flüssigkeit wie möglich und fügen Sie dann 400 μl Bleichlösung hinzu. Warten Sie etwa 4-5 Minuten mit intermittierendem Wirbeln, bis die erwachsenen Wurmkörper brechen und die Eier freisetzen. Fügen Sie M9-Puffer hinzu, um den Rest des Mikroröhrchens zu füllen und die Bleichlösung zu verdünnen. Mit maximaler Geschwindigkeit (12.000 bis 13.000 x g) für 1-2 s schleudern. Entfernen Sie den Überstand und waschen Sie ihn noch dreimal mit M9-Puffer. Übertragen Sie die Eier in eine leere 35-mm-Petrischale mit M9-Puffer. Lassen Sie die Eier über Nacht bei 20 °C schlüpfen. In Ermangelung von Nahrung werden geschlüpfte Würmer im L1-Larvenstadium arretiert und das Entwicklungsstadium aller Würmer synchronisieren.Anmerkungen: Das Beschichten der 35-mm-Petrischale mit Gelatinelösung (0,05% Gelatine in autoklaviertem Wasser) kann verhindern, dass die Eier am Boden kleben bleiben, und den Eiverlust minimieren. Am nächsten Tag werden die Würmer des L1-Stadiums auf OP50-gesäte NGM-Platten übertragen. Inkubieren Sie die Würmer bei 20 °C für 53-54 h, bis die Würmer das L4-Larvenstadium erreichen. 5. Präparation von Bakterien (Pseudomonas aeruginosa, PA14) HINWEIS: Beginnen Sie mit diesem Schritt 4 Tage vor dem Test. Aufgetaute Bakterien ab -80 °C auf einer Luria Bertani (LB) Agarplatte ohne Antibiotikum streifen und über Nacht bei 37 °C inkubieren.Anmerkungen: Verwenden Sie immer frische Bakterien. Gestreifte Platten sollten nicht länger als 1 Woche bei 4 °C gelagert werden. Beimpfen Sie eine einzelne Kolonie mit 3 ml Königsbrühe und züchten Sie sie über Nacht in einem 37 °C heißen Schüttel-Inkubator. Am nächsten Tag werden 7 μl der Übernachtkultur auf die NGM-Platten mit hohem Peptongehalt gesät und bei 37 °C für 24 h inkubiert. Stellen Sie die gesäten Platten auf RT und inkubieren Sie sie vor der Verwendung weitere 24 Stunden. Sobald Sie fertig sind, verwenden Sie die Platte innerhalb der nächsten 24 Stunden. 6. Vorbereitung der Aufnahme HINWEIS: Tun Sie dies direkt vor dem Assay. Schließen Sie das Smartphone an die Steckdosenleiste an, die an eine Steckdose angeschlossen ist. Stellen Sie sicher, dass Sie die automatische Sperreinstellung deaktivieren, um zu verhindern, dass das Telefon während der Aufnahme zum Sperrbildschirm zurückkehrt. Öffnen Sie die Zeitraffer-Kamera-App und stellen Sie das Zeitrafferintervall auf 2 s ein. Stellen Sie die Videoqualität auf 1080p bei 30 fps ein. Platzieren Sie das Smartphone mit dem Bildschirm nach oben, um mit der nach hinten gerichteten Kamera aufzunehmen. Überprüfen Sie den Bildschirm, um sicherzustellen, dass die Papierkartontunnel in das Sichtfeld passen. 7. Rasenvermeidungstest Übertragen Sie mit einem Platin-Drahtpickel 30 synchronisierte L4-Stufenschnecken (53-54 h von L1) auf die PA14-Platte. Legen Sie die Würmer in die Mitte des Bakterienrasens. Für jede Bedingung in dieser Studie wurden zwei Platten getestet (d. h. 60 Würmer pro Bedingung). Legen Sie die beiden Platten mit dem Deckel nach unten auf die erhöhte Bühne des Aufnahmegeräts. Die Seite mit dem Agar zeigt nach oben zur Kamera. Tippen Sie auf dem Smartphone-Bildschirm auf die Stelle, an der sich die Platte befindet, damit die Kamera auf die Assay-Platten fokussieren kann. Es ist hilfreich, ein Etikett oder eine Beschriftung auf der Platte zu haben, da die Kamera damit richtig fokussieren kann.Anmerkungen: Die Beschriftung der Unterseite der Platten beeinträchtigt die Abbildung von Würmern nicht, solange sie sich zum Rand hin befindet. Glücklicherweise bleiben Würmer auch nach dem Verlassen des Rasens in der Nähe des Rasens, sodass ein ungehinderter Blick nur auf die unmittelbare Umgebung des Rasens erforderlich ist. Starten Sie die Aufnahme. Sobald die Aufnahme begonnen hat, fügen Sie der Bühne weitere Platten hinzu. Es kann zu einer erheblichen Verzögerung zwischen den Platten kommen, da die Würmer durch Picken übertragen werden. Notieren Sie sich die Verzögerungszeit danach, damit jede Bedingung zum Zeitpunkt ihres Beginns gezählt werden kann. Rekord für 20 Stunden von den letzten Platten, die auf der Bühne platziert wurden. Im endgültigen Zeitraffervideo ergeben 20 Stunden Aufnahme ein 20 Minuten langes Video.HINWEIS: Es kann sich lohnen, die Würmer nach dem Assay direkt von den Platten zu zählen, zumindest zu Beginn für die ersten Male. Dies kann mit Werten verglichen werden, die durch Videoaufnahmen ermittelt wurden, um sicherzustellen, dass sie ähnliche Zahlen ergeben. 8. Verarbeitung von Videos mit Python-Skript Übertragen Sie die Filmdatei zur Verarbeitung auf einen Computer. Die Erweiterung ist eine MOV- (iPhone) oder MP4-Datei (Android). Verwenden Sie einen Python-Code, um die Videos zu verarbeiten. Den Code finden Sie unter github.com/khyoon201/wormavoid. Um die Python-Skripte auszuführen, stellen Sie sicher, dass Folgendes auf dem Computer vorinstalliert ist: ffmpeg, ein Tool zum Konvertieren von Videodateien (Installationsanweisungen finden Sie auf der Website ffmpeg.org/download), und die Python-Pakete os, pandas, tkinter und ffmpeg-python. Ermitteln Sie die Abmessungen und Koordinaten der einzelnen Platten mithilfe des extract_frame.py Skripts.Führen Sie das extract_frame.py Skript aus. Es erscheint ein Fenster, in dem Sie die auf dem Computer gespeicherte Videodatei auswählen können. Nach Abschluss der Ausführung wird eine JPEG-Datei mit demselben Namen im selben Verzeichnis angezeigt. Öffnen Sie die JPEG-Datei in ImageJ (imagej.org). Wählen Sie im Menü ” Analysieren” > “Messwerte festlegen” aus. Stellen Sie sicher, dass das Kontrollkästchen Anzeigebeschriftung aktiviert ist (Abbildung 2A). Schließen Sie das Fenster. Messen Sie mit dem Werkzeug “Gerade Linie” den Durchmesser einer Platte, indem Sie eine Linie darüber ziehen, und wählen Sie dann ” Analysieren > Messen” aus dem Menü aus. Wenn das Video in 1080p vorliegt, ist jede Platte etwa 480 Pixel breit. Notieren Sie sich diese Informationen und schließen Sie das Ergebnisfenster. Markieren Sie mit dem Multipoint-Werkzeug Punkte auf der oberen linken Seite jeder Platte. Diese Punkte werden zur oberen linken Ecke der zugeschnittenen Videos (Abbildung 2B). Auf die Reihenfolge kommt es an; Markieren Sie in der Reihenfolge, in der die Platten begonnen wurden. Nachdem Sie einen Punkt für alle Platten erstellt haben, wählen Sie Analysieren > Messen aus dem Menü. Messungen, einschließlich der X- und Y-Koordinaten der Punkte, werden im Ergebnisfenster angezeigt. Um mehrere Videos zu verarbeiten, wiederholen Sie den Vorgang in ImageJ mit anderen JPEG-Dateien. Alle X- und Y-Koordinaten werden im selben Ergebnisfenster aufgelistet. Speichern Sie das Ergebnisfenster in einer CSV-Datei. Die Datei sollte im selben Verzeichnis wie die Filmdateien gespeichert werden. Finden Sie die Startzeit für jeden Teller.Spielen Sie den Film entweder auf dem Computer oder dem Telefon ab und notieren Sie sich die Startzeiten jedes Plattensatzes, der unter der Kamera platziert ist. Öffnen Sie die Datei Ergebnisse.csv mit den Koordinaten und fügen Sie eine Spalte “Start” hinzu. Geben Sie für jede Zeile, die den einzelnen Platten entspricht, die entsprechende Startzeit in Sekunden in der Spalte “Start” ein (z. B. wenn die Startzeit 0:00:08 ist, geben Sie 8 ein). Retten.HINWEIS: Der Spaltenname muss “start” (in Kleinbuchstaben, ohne Anführungszeichen) sein, damit er vom nächsten Skript zum Zuschneiden und Trimmen erkannt wird. Schneiden Sie die Videos zu und schneiden Sie sie zu.Führen Sie das Skript crop_n_trim.py aus. Wenn Sie dazu aufgefordert werden, wählen Sie die Datei Ergebnisse.csv aus.HINWEIS: Stellen Sie sicher, dass sich die Ergebnisdatei .csv und alle Filmdateien im selben Verzeichnis befinden. Geben Sie die Plattenabmessungen ein. Geben Sie den zuvor notierten Pixelwert ein.HINWEIS: Das Skript liest nun jede Zeile der Ergebnis .csv Datei, um die richtige Filmdatei zu finden, indem es den Dateinamen in der Spalte “Beschriftung” liest und entsprechend den in den Spalten “X” und “Y” angegebenen Koordinaten zuschneidet. Die Startzeit jeder Platte wird durch die in der Spalte “Start” angegebene Zeit bestimmt. Nachdem das Skript ausgeführt wurde, erscheint ein Ordner mit dem gleichen Namen wie der Film, gefolgt von der Startzeit (z. B. “Movie1_8”), in dem 10-Sekunden-Videos gespeichert werden, die jedem stündlichen Zeitpunkt des Assays entsprechen. 9. Manuelles Zählen mit ImageJ Öffnen Sie jede AVI-Datei in ImageJ. Zählen Sie die Würmer, die außerhalb des Rasens sichtbar sind. Würmer, die sich in einem Frame überlappen, bewegen sich in der Regel in einem anderen Frame auseinander, damit sie korrekt gezählt werden können. Berechnen Sie die Belegungsrate für jeden Zeitpunkt:Belegungsgrad = (Würmer gesamt – Anzahl der Würmer außerhalb des Rasens)/Würmer gesamtHINWEIS: Die Würmer bewegen sich während des Videos in den Rasen hinein und wieder heraus, aber dies ändert die Ergebnisse nicht wesentlich. Versuchen Sie, die Zahl zu wählen, die der Durchschnitt zu sein scheint, oder die Anzahl der Würmer zum genauen stündlichen Zeitpunkt (5 s im Video).

Representative Results

Das erste Video, das durch das Skript produziert wird, ist 1 Stunde nach Beginn des Assays. Das Video für 0 h wird nicht gespeichert, da Würmer den Assay im Rasen starten, so dass die Auslastung immer 100% beträgt. Wildtyp-N2-Würmer werden mit npr-1-Mutanten verglichen, deren Rasenvermeidungsdefekt in der Literatur gut belegt ist 6,10 (Abbildung 3A-E). Wie bei…

Discussion

Die Abbildung des Verhaltens von Tieren, anstatt sich auf die direkte Beobachtung zu verlassen, ist nicht nur bequem, sondern hat auch den Vorteil, dass eine visuelle Dokumentation hinterlassen wird. Dies ermöglicht eine blinde Analyse durch eine objektive dritte Person oder könnte sogar für eine automatisierte Analyse mit Bilderkennungstechniken verwendet werden. Trotz der Vorteile ist die Standardausstattung, die in der Regel angeboten wird, teuer, so dass man sich nach dem Kauf an das Setup gebunden hat.

<p cla…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wir danken Deok Joong Lee für die kritische Lektüre des Manuskripts und das Testen des Python-Codes. Diese Forschung wurde von der National Research Foundation of Korea 2017R1A5A2015369 (K.-h.Y.) und 2019R1C1C1008708 (K.-h.Y.) gefördert.

Materials

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

  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).
A Smartphone-Based Imaging Method for C. elegans Lawn Avoidance Assay

Play Video

Cite This Article
Kwon, S., Lee, J. I., Yoon, K. A Smartphone-Based Imaging Method for C. elegans Lawn Avoidance Assay. J. Vis. Exp. (192), e65197, doi:10.3791/65197 (2023).

View Video