Yüksek verimli erişkin Caenorhabditis elegans yaşamsallık izleme sistemi

Yaşlanmayı anlamak için küçük solucanları izlemek

Birçok bilim insanı, Caenorhabditis elegans adındaki küçük solucanların yaşamlarını izleyerek yaşlanmayı çalışır; çünkü bu hayvanlar sadece birkaç hafta içinde yaşlanır ve insanlarla birçok temel biyolojik özelliği paylaşırlar. Ancak yüzlerce solucanı Petri kaplarında gözle takip etmek yavaş, yorucu bir iştir ve hatalara yol açabilir. Bu çalışma, solucanları stabil bir ortamda tutan, onları net şekilde fotoğraflayan ve hangi solucanların canlı olduğunu belirlemek için bilgisayarlı görmeyi kullanan tamamen otomatik bir sistemi tanımlıyor; bu da büyük ölçekli yaşlanma ve ilaç testlerini çok daha kolay yürütülebilir hale getiriyor.

Birçok solucanı izlemenin yeni yolu

Araştırmacılar, mevcut otomatik solucan düzeneklerini sınırlayan iki büyük problemi çözmeyi hedeflediler: bulanık, dengesiz görüntüler ile küf veya baloncuk gibi arka plan karmaşasıyla solucanların karıştırılması. Çözümleri, erişkin solucanları günün her saati izleyebilen entegre bir donanım ve yazılım platformu. Değiştirilmiş bir laboratuvar inkübatörü, kontrollü sıcaklık ve nem altında düzinelerce Petri kabını barındırırken, yerleşik kameralar ve ışıklar her kabı programlı olarak tarıyor. Bu parçalar bir zamanlar bir ya da iki eğitimli kişinin elinden çıkan işi büyük ölçüde araçsız, bir ay veya daha uzun süren bir sürece dönüştürüyor.

Net ve nazik görüntüleme için akıllı donanım

Donanım tarafında ekip, ticari bir inkübatörle başlayıp onu solucan bakımı ve görüntüleme için yeniden düzenledi. Kapların kurumasını önlemek üzere hava akımını engelleyen yönlendiricili fanlar eklediler, periyodik dezenfeksiyon için ultraviyole lambaları yerleştirdiler ve belirli ışık uyarıları gerektiren deneyler için mavi ışıklar taktılar. Ana yükseltme, 36 adede kadar kabı tutan delikli bir plakanın altına yerleştirilen düz, kollimasyonlu bir ışık paneli oldu. Bu tip aydınlatma her kabı eşit, soğuk ışıkla kuşatarak parlama ve bulanıklıktan kaçınıyor. Testler, kollimasyonlu ışıkla çekilen görüntülerin sıradan lambalara göre çok daha keskin olduğunu gösterdi ve bilgisayara her solucanı net görme imkânı verdi.

Yazılıma solucanı karmaşadan ayırmayı öğretmek

Yazılım hem görüntü yakalamayı hem de görüntü analizini kontrol ediyor. Altı adet endüstriyel kameradan oluşan bir sıra, inkübatör içindeki basit bir lineer ray üzerinde hareket ediyor; böylece her geçişte kompleks hareket mekanizmalarına gerek kalmadan altı sütunluk kaplar hızlıca fotoğraflanabiliyor. Görüntüler daha sonra YOLOv5 nesne algılama ailesine dayalı bir derin öğrenme modeline veriliyor. Ekip bu modeli on iki binden fazla görüntü üzerinde eğitti; sadece solucanları işaretlemekle kalmayıp halka şeklinde izler, küf parçaları ve hava kabarcıkları gibi sık karıştırılan nesneleri de etiketledi. Bu ayrı kategorileri tanıyarak sistem, döküntüyü hayvanlarla karıştırma olasılığını büyük ölçüde azaltıyor.

İkinci bir bakışla kaçırılan solucanları bulmak

Güçlü bir algılayıcı bile zaman zaman özellikle arka plana karışan koyu solucanları kaçırabilir. Bunu ele almak için yazarlar, modelin ilk turda gözden kaçırdıklarına odaklanan ikinci bir geçiş eklediler. İlk tespit turundan sonra yazılım tüm bulunan solucanların üzerine düz beyaz yamalar boyuyor ve detektörü tekrar çalıştırıyor. Belirgin hayvanlar dikkat çekerken rekabet etmediği için model, daha önce gizlenmiş zayıf solucanları tespit edebiliyor. On günlük ve 36 kaplık testlerde, bu iki aşamalı yaklaşım kaçırılan tespit oranını yüzde 1,75'ten yüzde 0,8'e düşürdü; bu, biraz ilave hesaplama süresi maliyetiyle elde edildi.

Tüm bir yaşam boyunca hızlı, doğru sayımlar

Sistemin gerçek deneylerde nasıl performans gösterdiğini görmek için ekip bunu dikkatli insan sayımlarıyla karşılaştırdı. Her biri 15 ila 30 erişkin solucan içeren 36 kaplık bir partide, iki eğitimli araştırmacının işi bitirmesi yaklaşık iki buçuk ile üç saat sürerken, otomatik kurulum yalnızca 36 ile 60 dakika gerektirdi. Otomatik canlı solucan sayımları, el ile tutulan sayımlarla yüzde 95'ten daha iyi bir uyum gösterdi; yanlış alarmlar ve kaçırmalar çok düşüktü. Erişkinlikten ölüme kadar 96 solucanı 30 gün boyunca izleyen bir denemede, sistemden alınan günlük sağkalım eğrileri insan gözlemcilerinkilerle neredeyse tamamen aynıydı; istatistiksel testler çok güçlü bir uyum gösterdi ve anlamlı bir yanlılık bulunmadı.

Bu durumun yaşlanma ve ilaç çalışmalarına etkisi

Basitçe söylemek gerekirse, araştırmacılar solucan yaşlanma çalışmaları için güvenilir bir robot laboratuvar yardımcısı inşa ettiler. Aynı anda yüzlerce solucana nazik, iyi kontrol edilen bir ortamda bakabiliyor, onların net fotoğraflarını çekebiliyor ve hangi solucanların hâlâ hareket ettiğine karar vermek için eğitilmiş yazılım kullanabiliyor. Sistem, mikroskop başında insanların harcadığı zaman ve çabayı büyük ölçüde azaltırken sonuçları kabul görmüş manuel standartla uyumlu tutuyor. Daha genç yaşam evreleriyle başa çıkmak ve felçli ama canlı solucanları gerçekten ölü olanlardan ayırt etmek gibi konular için gelecekte ek çalışmalar gerekse de, bu platform şimdiden genlerin, çevrenin ve aday ilaçların yaşam süresine etkisini incelemek için güçlü ve pratik bir araç sunuyor.

Atıf: 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

Anahtar kelimeler: C. elegans, yaşam süresi izleme, otomatik görüntüleme, derin öğrenme, yaşlanma araştırması