Åldersbestämning och artidentifiering av hanmygga Anopheles gambiae s.l. med hjälp av mid-infraröd spektroskopi och maskininlärning

En ny metod för att upptäcka riskfyllda myggor

De flesta verktyg för malariakontroll fokuserar på honor, eftersom de biter människor och sprider parasiten. Men många nya strategier bygger istället på att släppa ut eller rikta insatser mot hanar för att krympa vilda populationer. För att dessa idéer ska fungera behöver forskare snabba metoder för att avgöra hur gamla hanarna är och vilken art de tillhör. Denna studie testar en ljusbaserad metod i kombination med datoralgoritmer för att avläsa dessa egenskaper från de små kropparna hos hanar av malariamyggor.

Varför hanmyggor spelar roll

Hanmyggor biter inte människor, men de avgör framtida generationers öde genom parning. Nya kontrollmetoder som gen-drive, utsläpp av sterila insekter och Wolbachia-baserade verktyg förlitar sig på att släppa ut stora mängder laboratorieuppfödda hanar som kan konkurrera med vilda hanar. För att bedöma om dessa metoder fungerar måste forskare övervaka artsammansättningen och åldersstrukturen hos hanmyggor i fält. Befintliga verktyg är långsamma, kräver dissektion eller genetiska tester och är inte praktiska för rutinövervakning i många malariapåverkade områden.

Läsa myggor med osynligt ljus

I denna studie arbetade forskarna med två närbesläktade malariavektorer i Burkina Faso: Anopheles gambiae och Anopheles coluzzii. De belyste individuella torkade hanmyggor med mid-infrarött ljus och registrerade hur ljuset absorberades av kroppens yttre skal. Eftersom insektens yta förändras med åldern och skiljer sig något mellan arter, gav varje mygga ett karakteristiskt ljusmönster eller spektrum. Teamet använde därefter maskininlärning, en form av datoriserad mönsterigenkänning, för att träna modeller som kopplade dessa spektra till tre åldersgrupper och till artidentitet.

Från labb till semi-naturliga miljöer

Forskarna byggde och testade först sina modeller med hanar uppfödda under stabila laboratorieförhållanden, där temperatur, luftfuktighet och föda är noggrant kontrollerade. Med drygt tusen laboratorieprover klassificerade datasystemet arten korrekt ungefär 86 procent av gångerna och åldersgruppen ungefär 85 procent. Dessa siffror är mycket högre än slumpmässiga gissningar och visar att mid-infraröda metoden fångar verkliga biologiska signaler relaterade till ålder och art hos hanmyggor.

Utmaningar i verkliga miljöer

Nästa steg var ett mer realistiskt test. Forskarna fångade honor i hus i två byar, identifierade deras art med genetiska metoder och uppfödde deras hanavkommor i en semi-fältanläggning som efterliknade utomhusförhållanden. När den laboratorietränade modellen tillämpades direkt på dessa mer varierade myggor sjönk noggrannheten till 64 procent för art och 50 procent för ålder. Mid-infrarött ljus bar fortfarande användbar information, men modellen hade svårare med den större blandningen av miljöer, genetik och livshistorier som finns utanför labbet. För att hantera detta använde forskarna transfer learning och lade till ett måttligt antal semi-fältprover för att reträna modellen. Detta höjde noggrannheten till 73 procent för art och 70 procent för ålder, med särskild förbättring i klassificeringen av medelålders hanar.

Vad ljuset faktiskt avslöjar

Genom att undersöka vilka delar av ljusspektrat som var mest användbara fann forskarna att signaler kopplade till proteiner, vaxer och det hårda kitinet i myggans skal var avgörande för att förutsäga ålder och art. Dessa fynd överensstämmer med tidigare arbete på honmyggor och andra arter, vilket tyder på att förändringar i kroppens yta med åldern och mellan arter är en konsekvent informationskälla. Författarna noterade också viss känslighet för bakgrundsljus, vilket betonar behovet av noggrann datarengöring och större, mer olika träningsset för att undvika vilseledande mönster.

Vad detta betyder för malariakontroll

För en icke-specialist är huvudbudskapet att man kan belysa döda hanmyggor med osynligt ljus och låta datorer läsa mönstren för att snabbt och billigt uppskatta deras ålder och art. Studien visar att metoden fungerar mycket bra i labbet och relativt väl i mer naturliga miljöer när lokala prover inkluderas i träningen. Innan metoden kan vägleda verkliga malariaprogram behövs bredare insamlingar från olika regioner och förhållanden. Ändå pekar arbetet mot en framtid där hälsoteam kan följa hanmyggpopulationer i stor skala, vilket hjälper till att planera och utvärdera nya kontrollverktyg som bygger på att manipulera dessa ofta förbisedd insekter.

Citering: 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

Nyckelord: malariamyggor, hanmyggor, infraröd spektroskopi, maskininlärning, vektorkontroll