Sistema de monitoramento de viabilidade de Caenorhabditis elegans adultos em alto rendimento

Observando vermes minúsculos para entender o envelhecimento

Muitos cientistas estudam o envelhecimento observando a vida de vermes minúsculos chamados Caenorhabditis elegans, porque esses animais envelhecem em apenas algumas semanas e compartilham muitos traços biológicos básicos com os humanos. Mas acompanhar centenas de vermes a olho em placas de Petri é um trabalho lento, cansativo e sujeito a erros. Este estudo descreve um sistema totalmente automatizado que mantém os vermes em um ambiente estável, fotografa-os com nitidez e usa visão computacional para decidir quais vermes estão vivos, tornando muito mais fáceis de executar grandes experimentos de envelhecimento e testes com fármacos.

Uma nova forma de acompanhar muitos vermes

Os pesquisadores buscaram resolver dois grandes problemas que limitam as plataformas automatizadas atuais para vermes: imagens borradas e desiguais e confusão entre vermes e o lixo de fundo, como bolores ou bolhas. A solução é uma plataforma integrada de hardware e software que pode vigiar vermes adultos 24 horas por dia. Uma incubadora de laboratório modificada acomoda dezenas de placas de Petri em temperatura e umidade controladas, enquanto câmeras e luzes internas escaneiam cada placa conforme uma programação. Juntos, esses componentes transformam uma tarefa que antes exigia a intervenção direta de uma ou duas pessoas treinadas em um processo em grande parte sem supervisão, que pode rodar por um mês ou mais.

Hardware inteligente para imagens nítidas e delicadas

No lado do hardware, a equipe partiu de uma incubadora comercial e a reformulou para cuidados e imagem de vermes. Eles adicionaram ventiladores com defletores para evitar que o fluxo de ar ressecasse as placas, trocaram por lâmpadas ultravioleta para desinfecção periódica e instalaram luzes azuis para experimentos que precisam de sinais luminosos específicos. A atualização chave é um painel de luz colimada plano sob uma placa perfurada que acomoda até 36 placas. Esse tipo de iluminação banha cada placa com luz uniforme e fria, evitando reflexos e desfoque. Testes mostraram que fotos tiradas com a luz colimada eram muito mais nítidas do que as com lâmpadas comuns, proporcionando ao computador uma visão clara de cada verme.

Ensinando o software a distinguir vermes de detritos

O software controla tanto a captura quanto a análise das imagens. Uma fileira de seis câmeras industriais se desloca sobre um trilho linear simples dentro da incubadora, de modo que cada passagem pode fotografar seis colunas de placas rapidamente, sem movimentos complexos. As imagens são então encaminhadas a um modelo de aprendizagem profunda baseado na família de detecção de objetos YOLOv5. A equipe treinou esse modelo com mais de doze mil imagens, não apenas marcando vermes, mas também rotulando imitadores comuns, incluindo marcas em forma de anel, fragmentos de bolor e bolhas de ar. Ao reconhecer essas categorias separadas, o sistema tem muito menos probabilidade de confundir detritos com animais ao fazer a contagem.

Encontrando vermes perdidos com uma segunda olhada

Mesmo um detector forte pode ocasionalmente deixar de identificar vermes, especialmente os escuros que se misturam ao fundo. Para resolver isso, os autores adicionaram uma segunda passada que foca o modelo no que foi negligenciado na primeira vez. Após a primeira rodada de detecção, o software pinta sobre todos os vermes encontrados com manchas brancas simples e executa o detector novamente. Sem os animais óbvios competindo por atenção, o modelo pode captar os vermes fracos e anteriormente ocultos. Em testes ao longo de dez dias e 36 placas, essa abordagem em duas etapas reduziu a taxa de detecções perdidas de 1,75% para 0,8%, ao custo de algum tempo de computação extra.

Contagens rápidas e precisas ao longo de toda uma vida

Para avaliar o desempenho do sistema em experimentos reais, a equipe o comparou com contagens humanas cuidadosas. Para um lote de 36 placas contendo de 15 a 30 vermes adultos cada, dois pesquisadores treinados precisaram de cerca de duas horas e meia a três horas para terminar, enquanto a configuração automatizada levou apenas 36 a 60 minutos. As contagens automáticas de vermes vivos coincidiram com as contagens manuais em mais de 95% de precisão, com pouquíssimos alarmes falsos e falhas. Em um ensaio de 30 dias que acompanhou 96 vermes da maturidade até a morte, as curvas diárias de sobrevivência do sistema foram quase idênticas às dos observadores humanos, com testes estatísticos mostrando concordância extremamente forte e sem viés significativo.

O que isso significa para estudos de envelhecimento e fármacos

Em termos simples, os pesquisadores construíram um assistente robótico de laboratório confiável para estudos de envelhecimento em vermes. Ele pode cuidar de centenas de vermes ao mesmo tempo em um ambiente controlado e gentil, tirar fotos nítidas deles e usar software treinado para decidir quais vermes ainda estão se movendo. O sistema reduz muito o tempo e o esforço que os humanos precisam gastar ao microscópio, mantendo os resultados alinhados com o padrão manual aceito. Embora trabalhos futuros sejam necessários para lidar com estágios de vida mais jovens e para distinguir vermes paralisados mas vivos de vermes realmente mortos, essa plataforma já oferece uma ferramenta prática e robusta para estudar como genes, ambiente e candidatos a fármacos afetam a longevidade.

Citação: 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

Palavras-chave: C. elegans, monitoramento de longevidade, imagem automatizada, aprendizagem profunda, pesquisa do envelhecimento