Hochdurchsatz-System zur Überwachung der Lebensfähigkeit erwachsener Caenorhabditis elegans

Winzige Würmer beobachten, um Altern zu verstehen

Viele Wissenschaftler untersuchen das Altern, indem sie das Leben winziger Würmer namens Caenorhabditis elegans verfolgen, weil diese Tiere in nur wenigen Wochen altern und viele grundlegende biologische Merkmale mit dem Menschen teilen. Das manuelle Beobachten von Hunderten Würmern auf Petrischalen ist jedoch langsam, ermüdend und kann Fehler einführen. Diese Studie beschreibt ein vollständig automatisiertes System, das die Würmer in einer stabilen Umgebung hält, sie klar fotografiert und Computer‑Vision einsetzt, um zu entscheiden, welche Würmer noch leben, was große Alters‑ und Medikamententests deutlich einfacher durchführbar macht.

Eine neue Methode, viele Würmer zu überwachen

Die Forschenden wollten zwei große Probleme lösen, die aktuelle automatisierte Wurm‑Setups einschränken: unscharfe, ungleichmäßige Bilder und Verwechslungen zwischen Würmern und Hintergrundstörungen wie Schimmel oder Luftblasen. Ihre Lösung ist eine integrierte Hardware‑ und Softwareplattform, die erwachsene Würmer rund um die Uhr überwachen kann. Ein modifizierter Laborinkubator nimmt Dutzende Petrischalen bei kontrollierter Temperatur und Luftfeuchte auf, während eingebaute Kameras und Beleuchtung jede Schale nach Zeitplan abscannen. Zusammengenommen verwandeln diese Komponenten eine vormals manuelle Aufgabe für ein oder zwei geschulte Personen in einen weitgehend automatisierten Prozess, der einen Monat oder länger laufen kann.

Intelligente Hardware für klare und schonende Bildgebung

Auf der Hardware‑Seite begann das Team mit einem handelsüblichen Inkubator und baute ihn für Wurmhaltung und Bildgebung um. Sie fügten geschützte Lüfter hinzu, um Luftströme zu verhindern, die die Schalen austrocknen, ersetzten Lampen durch UV‑Leuchten für periodische Desinfektion und installierten blaue Leuchten für Experimente, die spezifische Lichtsignale erfordern. Das wichtigste Upgrade ist eine flache, kollimierte Lichtplatte unter einer perforierten Ablage, die bis zu 36 Schalen hält. Diese Art der Beleuchtung taucht jede Schale in gleichmäßiges, kühles Licht und vermeidet Blendung und Unschärfe. Tests zeigten, dass mit der kollimierten Beleuchtung aufgenommene Bilder deutlich schärfer waren als solche mit gewöhnlichen Lampen, wodurch die Software eine klarere Sicht auf jeden Wurm erhält.

Software beibringen, Würmer von Störfaktoren zu unterscheiden

Die Software steuert sowohl die Bildaufnahme als auch die Bildanalyse. Eine Reihe von sechs Industriekameras läuft auf einer einfachen Linearführung im Inkubator, sodass jeder Durchlauf schnell sechs Spalten von Schalen fotografieren kann, ohne komplexe Bewegungen. Die Bilder werden dann an ein Deep‑Learning‑Modell aus der YOLOv5‑Familie zur Objekterkennung übergeben. Das Team trainierte dieses Modell mit mehr als zwölftausend Bildern, wobei nicht nur Würmer markiert, sondern auch häufige Verwechslungen wie ringförmige Flecken, Schimmelreste und Luftblasen gelabelt wurden. Indem diese separaten Kategorien erkannt werden, verwechselt das System deutlich seltener Ablagerungen mit Tieren beim Zählen.

Übersehene Würmer mit einem zweiten Blick finden

Auch ein starker Detektor kann gelegentlich Würmer übersehen, besonders dunkle Exemplare, die sich mit dem Hintergrund verschmelzen. Um dem zu begegnen, fügten die Autoren einen zweiten Durchlauf hinzu, der das Modell auf das konzentriert, was es beim ersten Mal übersehen hat. Nach der ersten Erkennungsrunde malt die Software alle gefundenen Würmer mit schlichten weißen Flächen über und lässt den Detektor erneut laufen. Ohne die offensichtlichen Tiere, die um Aufmerksamkeit konkurrieren, kann das Modell die schwachen, zuvor verborgenen Würmer aufspüren. In Tests über zehn Tage und 36 Schalen reduzierte dieser zweistufige Ansatz die Rate übersehener Detektionen von 1,75 Prozent auf 0,8 Prozent, zu dem Preis etwas höherer Rechenzeit.

Schnelle, genaue Zählungen über das gesamte Leben

Um die Leistungsfähigkeit des Systems in realen Experimenten zu prüfen, verglich das Team es mit sorgfältigen manuellen Zählungen. Für einen Satz von 36 Schalen mit jeweils 15 bis 30 erwachsenen Würmern benötigten zwei geschulte Forschende etwa zweieinhalb bis drei Stunden, während das automatisierte System nur 36 bis 60 Minuten brauchte. Die automatischen Zählungen lebender Würmer stimmten mit den manuellen Bestandsaufnahmen zu mehr als 95 Prozent überein, mit sehr wenigen Fehlalarmen und Auslassungen. In einem 30‑tägigen Versuch, der 96 Würmer vom Erwachsenenalter bis zum Tod verfolgte, waren die täglichen Überlebenskurven des Systems praktisch identisch mit denen menschlicher Beobachter; statistische Tests zeigten sehr starke Übereinstimmung und keine nennenswerte Verzerrung.

Was das für Alters‑ und Medikamentenstudien bedeutet

Einfach ausgedrückt haben die Forschenden einen zuverlässigen robotischen Laborassistenten für Wurm‑Altersstudien gebaut. Er kann Hunderte von Würmern gleichzeitig in einem schonenden, gut kontrollierten Umfeld versorgen, klare Bilder von ihnen aufnehmen und trainierte Software nutzen, um zu entscheiden, welche Würmer sich noch bewegen. Das System reduziert erheblich die Zeit und den Aufwand, den Menschen am Mikroskop aufwenden müssen, und hält die Ergebnisse im Einklang mit dem etablierten manuellen Standard. Obwohl weitere Arbeit nötig ist, um jüngere Lebensstadien zu berücksichtigen und gelähmte, aber lebende Würmer von tatsächlich toten zu unterscheiden, bietet diese Plattform bereits ein starkes, praxisgerechtes Werkzeug, um zu untersuchen, wie Gene, Umwelt und potenzielle Wirkstoffe die Lebensspanne beeinflussen.

Zitation: Lin, Q., Weng, J., Cheng, Z. et al. High-throughput adult Caenorhabditis elegans viability monitoring system. Sci Rep 16, 15014 (2026). https://doi.org/10.1038/s41598-026-43579-5

Schlüsselwörter: C. elegans, Lebensdauerüberwachung, automatisierte Bildgebung, Deep Learning, Altersforschung