Système de surveillance à haut débit de la viabilité d'adultes Caenorhabditis elegans

Observer de petits vers pour comprendre le vieillissement

De nombreux scientifiques étudient le vieillissement en observant la vie de petits vers appelés Caenorhabditis elegans, car ces animaux vieillissent en quelques semaines seulement et partagent de nombreux traits biologiques fondamentaux avec les humains. Mais suivre des centaines de vers à l'œil nu sur des boîtes de Pétri est un travail lent et fatigant qui peut introduire des erreurs. Cette étude décrit un système entièrement automatisé qui maintient les vers dans un environnement stable, les photographie clairement et utilise la vision par ordinateur pour déterminer quels vers sont vivants, ce qui facilite grandement la réalisation d'expériences étendues sur le vieillissement et les médicaments.

Une nouvelle manière de suivre de nombreux vers

Les chercheurs ont cherché à résoudre deux problèmes majeurs qui limitent les dispositifs automatisés actuels : des images floues et inégales, et la confusion entre les vers et le désordre de fond comme la moisissure ou les bulles. Leur solution est une plateforme matérielle et logicielle intégrée capable de surveiller des vers adultes 24 heures sur 24. Un incubateur de laboratoire modifié contient des dizaines de boîtes de Pétri à température et humidité contrôlées, tandis que des caméras et des éclairages intégrés scannent chaque boîte selon un calendrier. Ensemble, ces éléments transforment une tâche autrefois manuelle pour une ou deux personnes formées en un processus majoritairement automatisé pouvant durer un mois ou plus.

Matériel intelligent pour une imagerie nette et douce

Côté matériel, l'équipe est partie d'un incubateur commercial et l'a réaménagé pour le soin et l'imagerie des vers. Ils ont ajouté des ventilateurs à déflecteurs pour empêcher le flux d'air d'assécher les boîtes, remplacé les lampes par des lampes ultraviolettes pour la désinfection périodique, et installé des lumières bleues pour les expériences nécessitant des signaux lumineux spécifiques. La mise à niveau clé est un panneau lumineux collimaté et plat placé sous une plaque perforée pouvant accueillir jusqu'à 36 boîtes. Ce type d'éclairage baigne chaque boîte d'une lumière uniforme et froide, évitant l'éblouissement et le flou. Les tests ont montré que les images prises avec la lumière collimatée étaient beaucoup plus nettes que celles obtenues avec des lampes ordinaires, offrant à l'algorithme une vue claire de chaque ver.

Apprendre au logiciel à distinguer les vers du désordre

Le logiciel contrôle à la fois la capture et l'analyse des images. Une rangée de six caméras industrielles se déplace sur un rail linéaire simple à l'intérieur de l'incubateur, de sorte que chaque passage peut photographier rapidement six colonnes de boîtes sans mouvement complexe. Les images sont ensuite transmises à un modèle d'apprentissage profond basé sur la famille de détection d'objets YOLOv5. L'équipe a entraîné ce modèle sur plus de douze mille images, non seulement en annotant les vers mais aussi en étiquetant les faux-semblants courants, y compris des marques en anneau, des fragments de moisissure et des bulles d'air. En reconnaissant ces catégories distinctes, le système est beaucoup moins susceptible de confondre des débris avec des animaux lors du comptage.

Retrouver les vers manqués avec un second passage

Même un détecteur performant peut parfois manquer des vers, en particulier des vers sombres qui se confondent avec l'arrière-plan. Pour pallier cela, les auteurs ont ajouté un second passage qui recentre le modèle sur ce qu'il a négligé la première fois. Après la première détection, le logiciel recouvre tous les vers trouvés par des patchs blancs et relance le détecteur. Sans les animaux évidents en compétition pour l'attention, le modèle peut repérer les vers faibles et auparavant cachés. Dans des tests sur dix jours et 36 boîtes, cette approche en deux étapes a réduit le taux de détections manquées de 1,75 % à 0,8 %, au prix d'un surcoût en temps de calcul.

Des comptages rapides et précis sur toute une vie

Pour évaluer la performance du système en conditions réelles, l'équipe l'a comparé à un comptage humain minutieux. Pour un lot de 36 boîtes contenant chacune de 15 à 30 vers adultes, deux chercheurs formés mettaient environ deux heures et demie à trois heures pour terminer, tandis que l'installation automatisée ne nécessitait que 36 à 60 minutes. Les comptages automatiques de vers vivants concordaient avec les relevés manuels à plus de 95 % de précision, avec très peu de fausses alertes et d'omissions. Dans un essai de 30 jours suivant 96 vers de l'âge adulte à la mort, les courbes de survie quotidiennes fournies par le système étaient presque identiques à celles des observateurs humains, les tests statistiques montrant un accord très fort et sans biais significatif.

Ce que cela signifie pour les études sur le vieillissement et les médicaments

En termes simples, les chercheurs ont construit un assistant robotisé fiable pour les études de vieillissement chez les vers. Il peut s'occuper de centaines de vers à la fois dans un habitat doux et bien contrôlé, les photographier clairement et utiliser un logiciel entraîné pour déterminer quels vers bougent encore. Le système réduit considérablement le temps et l'effort que les humains doivent passer au microscope tout en maintenant des résultats conformes à la norme manuelle acceptée. Bien que des travaux futurs soient nécessaires pour traiter les stades de vie plus jeunes et pour distinguer les vers paralysés mais vivants des vers réellement morts, cette plateforme offre déjà un outil pratique et robuste pour étudier comment les gènes, l'environnement et des candidats-médicaments affectent la durée de vie.

Citation: 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

Mots-clés: C. elegans, surveillance de la durée de vie, imagerie automatisée, apprentissage profond, recherche sur le vieillissement