Sistema de monitorización de viabilidad de Caenorhabditis elegans en adultos de alto rendimiento

Vigilar gusanos diminutos para entender el envejecimiento

Muchos científicos estudian el envejecimiento observando la vida de pequeños gusanos llamados Caenorhabditis elegans, porque estos animales envejecen en solo unas semanas y comparten muchos rasgos biológicos básicos con los humanos. Pero seguir a cientos de gusanos a simple vista en placas de Petri es un trabajo lento y agotador que puede introducir errores. Este estudio describe un sistema totalmente automatizado que mantiene a los gusanos en un entorno estable, los fotografía con claridad y utiliza visión por computadora para decidir qué gusanos están vivos, facilitando enormemente la realización de grandes estudios sobre envejecimiento y cribados de fármacos.

Una nueva forma de controlar muchos gusanos

Los investigadores se propusieron resolver dos grandes problemas que limitan los sistemas automatizados actuales para gusanos: imágenes borrosas y desiguales y la confusión entre gusanos y el desorden de fondo, como moho o burbujas. Su solución es una plataforma integrada de hardware y software capaz de vigilar gusanos adultos las 24 horas. Un incubador de laboratorio modificado aloja docenas de placas de Petri con temperatura y humedad controladas, mientras que cámaras y luces integradas escanean cada placa según un horario. En conjunto, estas piezas transforman lo que antes era una tarea práctica para una o dos personas especializadas en un proceso mayormente automatizado que puede funcionar durante un mes o más.

Hardware inteligente para imágenes claras y suaves

En el lado del hardware, el equipo partió de un incubador comercial y lo rehízo para el cuidado e imagen de los gusanos. Añadieron ventiladores con deflectores para evitar que el flujo de aire seque las placas, cambiaron a lámparas ultravioleta para desinfección periódica e instalaron luces azules para experimentos que requieren señales luminosas específicas. La mejora clave es un panel de luz colimada plano bajo una placa perforada que sostiene hasta 36 placas. Este tipo de iluminación baña cada placa con una luz uniforme y fría, evitando reflejos y desenfoque. Las pruebas mostraron que las imágenes tomadas con la luz colimada eran mucho más nítidas que las obtenidas con lámparas ordinarias, proporcionando a la computadora una vista clara de cada gusano.

Enseñar al software a distinguir gusanos del desorden

El software controla tanto la captura de imágenes como su análisis. Una fila de seis cámaras industriales se desplaza sobre un simple riel lineal dentro del incubador, de modo que cada pasada puede fotografiar seis columnas de placas rápidamente sin movimientos complejos. Las imágenes se pasan luego a un modelo de aprendizaje profundo basado en la familia de detección de objetos YOLOv5. El equipo entrenó este modelo con más de doce mil imágenes, no solo marcando gusanos sino también etiquetando semejantes comunes, incluidos marcas en forma de anillo, restos de moho y burbujas de aire. Al reconocer estas categorías separadas, el sistema tiene mucha menos probabilidad de confundir escombros con animales al contar.

Encontrar gusanos perdidos con una segunda revisión

Incluso un detector robusto puede ocasionalmente pasar por alto gusanos, especialmente los oscuros que se mezclan con el fondo. Para abordar esto, los autores añadieron una segunda pasada que enfoca el modelo en lo que se pasó por alto la primera vez. Tras la primera ronda de detección, el software pinta sobre todos los gusanos encontrados con parches blancos lisos y ejecuta el detector de nuevo. Sin la competencia de los animales evidentes por captar la atención, el modelo puede detectar los gusanos tenues y previamente ocultos. En pruebas de diez días y 36 placas, este enfoque en dos pasos redujo la tasa de detección perdida de 1,75 por ciento a 0,8 por ciento, a costa de algo más de tiempo de cálculo.

Recuentos rápidos y precisos a lo largo de toda una vida

Para evaluar el desempeño del sistema en experimentos reales, el equipo lo comparó con el conteo humano cuidadoso. Para un lote de 36 placas con 15 a 30 gusanos adultos cada una, dos investigadores entrenados necesitaban alrededor de dos horas y media a tres horas para terminar, mientras que la configuración automatizada requirió solo 36 a 60 minutos. Los recuentos automáticos de gusanos vivos concordaron con los conteos manuales en más del 95 por ciento de precisión, con muy pocas alarmas falsas y omisiones. En un ensayo de 30 días que siguió a 96 gusanos desde la adultez hasta la muerte, las curvas de supervivencia diarias del sistema fueron casi idénticas a las de los observadores humanos, con pruebas estadísticas que mostraron un acuerdo extremadamente fuerte y sin sesgo significativo.

Qué significa esto para estudios de envejecimiento y fármacos

En términos sencillos, los investigadores han construido un ayudante robótico de laboratorio fiable para estudios de envejecimiento en gusanos. Puede cuidar de cientos de gusanos a la vez en un hogar suave y bien controlado, tomarles fotos claras y usar software entrenado para decidir qué gusanos siguen moviéndose. El sistema reduce en gran medida el tiempo y el esfuerzo que los humanos deben dedicar al microscopio, manteniendo los resultados en línea con el estándar manual aceptado. Aunque se necesita trabajo futuro para manejar estadios de vida más jóvenes y distinguir entre gusanos paralizados pero vivos y gusanos realmente muertos, esta plataforma ya ofrece una herramienta práctica y potente para estudiar cómo los genes, el entorno y los fármacos candidatos afectan la esperanza de vida.

Cita: 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

Palabras clave: C. elegans, monitorización de la esperanza de vida, imagen automatizada, aprendizaje profundo, investigación del envejecimiento