Sistema ad alto rendimento per il monitoraggio della vitalità degli adulti di Caenorhabditis elegans

Osservare piccoli vermi per comprendere l'invecchiamento

Molti scienziati studiano l'invecchiamento osservando la vita di piccoli vermi chiamati Caenorhabditis elegans, perché questi animali invecchiano in poche settimane e condividono molti aspetti di base della biologia con gli esseri umani. Ma seguire a occhio centinaia di vermi su piastre di Petri è un lavoro lento e faticoso che può introdurre errori. Questo studio descrive un sistema completamente automatizzato che mantiene i vermi in un ambiente stabile, li fotografa chiaramente e utilizza la visione artificiale per stabilire quali vermi sono vivi, rendendo molto più semplici gli ampi test sull'invecchiamento e sui farmaci.

Un nuovo modo per tenere traccia di molti vermi

I ricercatori si sono posti l'obiettivo di risolvere due grandi problemi che limitano gli attuali sistemi automatizzati per vermi: immagini sfocate e irregolari e confusione tra vermi e elementi di disturbo sullo sfondo come muffa o bolle. La loro soluzione è una piattaforma integrata hardware e software in grado di sorvegliare vermi adulti 24 ore su 24. Un incubatore di laboratorio modificato ospita dozzine di piastre di Petri con temperatura e umidità controllate, mentre telecamere e luci incorporate scandiscono ogni piastra secondo un programma. Insieme, questi elementi trasformano ciò che prima era un compito pratico per una o due persone addestrate in un processo in gran parte senza sorveglianza che può durare un mese o più.

Hardware intelligente per imaging chiaro e delicato

Dal lato hardware, il team è partito da un incubatore commerciale e lo ha rielaborato per la cura dei vermi e l'acquisizione di immagini. Hanno aggiunto ventilatori con deflettori per evitare che il flusso d'aria asciughi le piastre, sostituito le lampade con lampade a ultravioletti per la disinfezione periodica e installato luci blu per esperimenti che richiedono segnali luminosi specifici. L'aggiornamento chiave è un pannello luminoso collimato e piatto posto sotto una piastra forata che può contenere fino a 36 piastre. Questo tipo di illuminazione avvolge ogni piastra in luce uniforme e fredda, evitando riflessi e sfocature. I test hanno mostrato che le immagini ottenute con l'illuminazione collimata erano molto più nitide rispetto a quelle con lampade ordinarie, offrendo al computer una visione nitida di ogni verme.

Insegnare al software a distinguere i vermi dal disturbo

Il software controlla sia l'acquisizione che l'analisi delle immagini. Una fila di sei telecamere industriali scorre su una semplice rotaia lineare all'interno dell'incubatore, così ogni passata può fotografare rapidamente sei colonne di piastre senza movimenti complessi. Le immagini vengono poi passate a un modello di apprendimento profondo basato sulla famiglia di rilevamento oggetti YOLOv5. Il team ha addestrato questo modello su più di dodicimila immagini, non solo annotando i vermi ma etichettando anche i comuni look-alike, inclusi segni ad anello, frammenti di muffa e bolle d'aria. Riconoscendo queste categorie separate, il sistema è molto meno propenso a confondere detriti con animali durante il conteggio.

Trovare i vermi mancati con un secondo sguardo

Anche un rilevatore potente può occasionalmente perdere dei vermi, specialmente quelli scuri che si mimetizzano con lo sfondo. Per ovviare a questo, gli autori hanno aggiunto una seconda passata che focalizza il modello su ciò che era stato trascurato la prima volta. Dopo il primo giro di rilevamento, il software copre tutti i vermi trovati con semplici macchie bianche e riesegue il rilevatore. Senza gli animali ovvi a competere per l'attenzione, il modello può individuare i vermi deboli e precedentemente nascosti. Nei test su dieci giorni e 36 piastre, questo approccio in due fasi ha ridotto il tasso di mancata rilevazione dall'1,75% allo 0,8%, al costo di un tempo di calcolo aggiuntivo.

Conteggi rapidi e accurati per tutta la vita

Per valutare le prestazioni del sistema in esperimenti reali, il team lo ha confrontato con conteggi umani accurati. Per un lotto di 36 piastre contenenti 15-30 vermi adulti ciascuna, due ricercatori addestrati impiegavano circa due ore e mezza-tre ore per completare il lavoro, mentre il sistema automatizzato necessitava solo di 36-60 minuti. I conteggi automatici di vermi vivi corrispondevano ai conteggi manuali con un'accuratezza superiore al 95%, con pochissimi falsi allarmi e omissioni. In una prova di 30 giorni che ha seguito 96 vermi dall'età adulta alla morte, le curve di sopravvivenza giornaliere fornite dal sistema erano quasi identiche a quelle degli osservatori umani, con test statistici che hanno mostrato un accordo estremamente forte e nessun bias significativo.

Cosa significa per gli studi sull'invecchiamento e sui farmaci

In termini semplici, i ricercatori hanno costruito un aiuto robotico affidabile per gli studi sull'invecchiamento dei vermi. Può prendersi cura di centinaia di vermi contemporaneamente in un ambiente gentile e ben controllato, scattare immagini chiare e usare un software addestrato per stabilire quali vermi si muovono ancora. Il sistema riduce notevolmente il tempo e lo sforzo che gli esseri umani devono dedicare al microscopio, mantenendo i risultati allineati con lo standard manuale accettato. Sebbene siano necessari lavori futuri per gestire gli stadi di vita più giovani e distinguere i vermi paralizzati ma vivi da quelli effettivamente morti, questa piattaforma offre già uno strumento pratico e potente per studiare come geni, ambiente e potenziali farmaci influenzino la durata della vita.

Citazione: 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

Parole chiave: C. elegans, monitoraggio della durata di vita, imaging automatizzato, apprendimento profondo, ricerca sull'invecchiamento