Система высокопропускного мониторинга жизнеспособности взрослых Caenorhabditis elegans

Наблюдая за крошечными червями, чтобы понять старение

Многие ученые изучают старение, наблюдая за жизнью крошечных червей Caenorhabditis elegans, потому что эти животные стареют всего за несколько недель и разделяют с людьми многие базовые биологические черты. Однако наблюдение за сотнями червей на чашках Петри невооруженным глазом — медленная и утомительная работа, подверженная ошибкам. В этом исследовании описана полностью автоматизированная система, которая поддерживает червей в стабильной среде, фотографирует их в высоком качестве и использует компьютерное зрение для определения, какие черви живы, что значительно упрощает проведение масштабных экспериментов по старению и тестов лекарств.

Новый способ отслеживать множество червей

Исследователи поставили цель решить две основные проблемы, ограничивающие существующие автоматизированные установки для червей: размытые, неравномерные изображения и путаницу между червями и фоном, например плесенью или пузырьками. Их решение — интегрированная аппаратно‑программная платформа, способная круглосуточно наблюдать взрослых червей. Модифицированный лабораторный инкубатор вмещает десятки чашек Петри при контролируемой температуре и влажности, а встроенные камеры и источники света сканируют каждую чашку по расписанию. Вместе эти элементы превращают то, что раньше требовало участия одного‑двух обученных сотрудников, в в основном автоматический процесс, который может работать месяц и дольше.

Умное оборудование для четкой и деликатной съемки

Со стороны оборудования команда взяла коммерческий инкубатор и переработала его для ухода за червями и съемки. Они добавили глушители на вентиляторах, чтобы поток воздуха не высушивал чашки, установили ультрафиолетовые лампы для периодической дезинфекции и светодиоды синего света для экспериментов, требующих специфических световых сигналов. Ключевое улучшение — плоская коллимированная панель подсветки под перфорированной платформой, вмещающей до 36 чашек. Такой тип освещения равномерно и прохладно освещает каждую чашку, избегая бликов и смазывания. Тесты показали, что снимки при коллимированном освещении значительно резче, чем при обычных лампах, давая алгоритму четкое представление о каждом черве.

Обучение ПО отличать червей от помех

Программное обеспечение управляет как захватом изображений, так и их анализом. Ряд из шести промышленных камер перемещается по простому линейному рельсу внутри инкубатора, так что каждый проход быстро фотографирует шесть колонок чашек без сложной механики. Изображения затем передаются в модель глубокого обучения на базе семейства детекторов объектов YOLOv5. Команда обучила эту модель более чем на двенадцати тысячах изображений, помечая не только червей, но и распространенные сходные объекты, включая кольцевидные следы, кусочки плесени и пузырьки воздуха. Распознавая эти отдельные категории, система гораздо реже принимает мусор за животных при подсчете.

Нахождение пропущенных червей с повторным просмотром

Даже сильный детектор иногда может пропускать червей, особенно темных, сливающихся с фоном. Чтобы решить эту проблему, авторы добавили второй проход, который фокусирует модель на том, что было упущено в первый раз. После первого раунда детекции программное обеспечение закрашивает найденных червей простыми белыми пятнами и запускает детектор снова. Без очевидных объектов, отвлекающих внимание, модель способна обнаружить слабые, ранее скрытые черви. В тестах на протяжении десяти дней и 36 чашек такой двухэтапный подход сократил долю пропущенных детекций с 1,75% до 0,8%, при этом потребовав немного больше вычислительного времени.

Быстрые и точные подсчеты на протяжении всей жизни

Чтобы оценить, как система работает в реальных экспериментах, команда сравнила ее с аккуратным ручным подсчетом. Для партии из 36 чашек, содержащих по 15–30 взрослых червей каждая, двум обученным исследователям требовалось около двух с половиной — трех часов на подсчет, тогда как автоматизированная установка справлялась за 36–60 минут. Автоматические подсчеты живых червей совпадали с ручными подсчетами лучше чем на 95%, с очень низкими уровнями ложных срабатываний и пропусков. В 30‑дневном испытании, в котором отслеживали 96 червей от взрослого состояния до смерти, суточные кривые выживаемости системы были почти идентичны кривым, полученным человеческими наблюдателями: статистические тесты показали чрезвычайно сильное согласие и отсутствие существенного смещения.

Что это значит для исследований старения и тестирования лекарств

Проще говоря, исследователи создали надежного роботизированного помощника для лабораторий, работающих со старением червей. Он может одновременно ухаживать за сотнями червей в бережной, хорошо контролируемой среде, делать четкие снимки и применять обученное ПО для определения, какие черви все еще двигаются. Система значительно сокращает время и усилия, которые люди проводят за микроскопом, при этом результаты соответствуют принятому ручному стандарту. Хотя в будущем потребуется доработать платформу для работы с более ранними стадиями жизни и для отличия парализованных но живых червей от действительно мертвых, уже сейчас эта платформа представляет собой мощный и практичный инструмент для изучения влияния генов, среды и кандидатов на препараты на продолжительность жизни.

Цитирование: 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

Ключевые слова: C. elegans, мониторинг продолжительности жизни, автоматизированная съемка, глубокое обучение, исследования старения