Classificazione per età e identificazione della specie del maschio di zanzara Anopheles gambiae s.l. tramite spettroscopia nell’infrarosso medio e apprendimento automatico

Un nuovo modo per individuare le zanzare a rischio

La maggior parte degli strumenti di controllo della malaria si concentra sulle zanzare femmina, perché pungono gli esseri umani e diffondono il parassita. Tuttavia molte nuove strategie puntano invece a rilasciare o a colpire zanzare maschio per ridurre le popolazioni selvatiche. Perché queste idee funzionino, gli scienziati hanno bisogno di metodi rapidi per stabilire l’età dei maschi e a quale specie appartengono. Questo studio testa un metodo basato sulla luce combinato con algoritmi informatici per rilevare questi tratti dai corpi minuscoli delle zanzare maschio della malaria.

Perché le zanzare maschio sono importanti

Le zanzare maschio non pungono gli esseri umani, ma decidono il destino delle generazioni future attraverso l’accoppiamento. Nuovi metodi di controllo come il gene drive, i rilasci di insetti sterili e gli strumenti basati su Wolbachia dipendono dal rilascio di grandi numeri di maschi allevati in laboratorio in grado di competere con i maschi selvatici. Per valutare se questi approcci funzionano, i ricercatori devono monitorare la composizione delle specie e la struttura d’età delle popolazioni maschili sul campo. Gli strumenti esistenti sono lenti, richiedono dissezioni o test genetici e non sono pratici per controlli di routine in molte regioni colpite dalla malaria.

Leggere le zanzare con luce invisibile

In questo studio, gli scienziati hanno lavorato con due specie vettore della malaria strettamente correlate in Burkina Faso: Anopheles gambiae e Anopheles coluzzii. Hanno illuminato singole zanzare maschio essiccate con luce nell’infrarosso medio e registrato come la luce veniva assorbita dalla superficie esterna del corpo. Poiché la superficie dell’insetto cambia con l’età e differisce lievemente tra le specie, ogni zanzara ha prodotto un pattern di luce distintivo o spettro. Il gruppo ha poi usato l’apprendimento automatico, un tipo di riconoscimento di pattern informatico, per addestrare modelli che collegano questi spettri a tre fasce d’età e all’identità di specie.

Dal banco di laboratorio a contesti semi-natural

I ricercatori hanno prima costruito e testato i loro modelli usando maschi allevati in condizioni stabili di laboratorio, dove temperatura, umidità e alimentazione sono controllate con cura. Con poco più di mille campioni di laboratorio, il sistema informatico ha classificato correttamente la specie in circa l’86 percento dei casi e la fascia d’età in circa l’85 percento. Queste percentuali sono molto superiori al caso e mostrano che l’approccio nell’infrarosso medio cattura segnali biologici reali legati all’età e alla specie nelle zanzare maschio.

Sfide nel mondo reale

Successivamente, il team ha effettuato un test più realistico. Hanno raccolto femmine di zanzare dalle abitazioni di due villaggi, identificato la specie con metodi genetici e allevato i loro discendenti maschi in una struttura semi-campo che imitava le condizioni esterne. Quando il modello addestrato in laboratorio è stato applicato direttamente a queste zanzare più variabili, l’accuratezza è scesa al 64 percento per la specie e al 50 percento per l’età. La luce nell’infrarosso medio conteneva ancora informazioni utili, ma il modello ha faticato con la maggiore eterogeneità di ambienti, genetica e storie di vita presenti fuori dal laboratorio. Per affrontare questo problema, gli scienziati hanno usato il transfer learning, aggiungendo un numero modesto di campioni semi-campo per riaddestrare il modello. Questo passaggio ha portato l’accuratezza al 73 percento per la specie e al 70 percento per l’età, migliorando in particolare la classificazione dei maschi di età intermedia.

Cosa vede davvero la luce

Ispezionando quali parti degli spettri luminosi erano più informative, i ricercatori hanno scoperto che segnali legati a proteine, cere e al robusto chitina del rivestimento della zanzara erano fondamentali per la predizione di età e specie. Questi risultati corrispondono a studi precedenti su zanzare femmina e altre specie, suggerendo che i cambiamenti nella superficie corporea con l’età e tra specie sono una fonte consistente di informazione. Gli autori hanno anche notato una certa sensibilità agli effetti di fondo luminosi, evidenziando la necessità di una pulizia dei dati accurata e di set di addestramento più grandi e diversificati per evitare pattern fuorvianti.

Cosa significa per il controllo della malaria

Per un non specialista, il messaggio principale è che illuminare con luce invisibile zanzare maschio morte e lasciare che i computer leggano i pattern può fornire un modo relativamente rapido ed economico per stimare la loro età e la specie di appartenenza. Lo studio mostra che questo funziona molto bene in laboratorio e in modo abbastanza valido in contesti più naturali quando nel training sono inclusi campioni locali. Prima che il metodo possa guidare programmi di controllo della malaria sul campo, saranno necessarie raccolte più ampie provenienti da diverse regioni e condizioni. Tuttavia, il lavoro indica un futuro in cui i team sanitari possono monitorare le popolazioni maschili di zanzare su scala, aiutando a pianificare e valutare nuovi strumenti di controllo che dipendono dalla manipolazione di questi insetti spesso trascurati.

Citazione: Sanou, R., Mwanga, E.P., Sow, B.B.D. et al. Age-grading and species identification of male mosquito Anopheles gambiae s.l. using mid-infrared spectroscopy and machine learning. Sci Rep 16, 16079 (2026). https://doi.org/10.1038/s41598-026-46306-2

Parole chiave: zanzare della malaria, zanzare maschio, spettroscopia infrarossa, apprendimento automatico, controllo dei vettori