2018年11月28日
我们介绍了使用宽视场线虫追踪平台(WF-NTP)的实验方案,该平台可实现对大量秀丽隐杆线虫(Caenorhabditis elegans)群体进行高通量的表型表征。这些方案可用于以高度可扩展的方式,表征突变品系或药物处理后所引起的细微行为变化。
因此,该方法有助于回答药物研发过程中关于特定药物在活体生物体内作用方式的关键问题。该技术的主要优势在于,能够快速高效地筛选大量样本。通过实现对候选药物效应的高度定量评估,该技术已在药物发现领域产生重大影响。
该方法为蛋白质错误折叠疾病的发病机制及进展提供了新的理论见解。此外,该方法还可应用于其他研究体系,如衰老及遗传筛选。我们非常期待借此机会将新的物理方法引入药物发现领域。
该方法的演示至关重要,因为筛选步骤需要对这种新型自动技术具有高度的熟悉。本实验操作将由本实验室的搜索助理 Sam Casford 进行演示。在开始实验之前,为每种线虫品系准备六块含有 5-氟脱氧尿苷(5-fluorodeoxyuridine,FUDR)或 FUDR 的培养板,将每种药物化合物在适当浓度下各取 2.2 毫升,仔细均匀涂布于培养板的整个表面,并在无菌条件下将培养板晾干。
在平板晾干的同时,使用 15 毫升 M9 缓冲液从五块富集型线虫生长培养基平板上冲洗线虫,并将收集到的线虫转移至一个锥形管中进行离心。将线虫重新悬浮于 3 毫升新鲜 M9 缓冲液中,以定量处于 L4 幼虫期的线虫数量,并按每种线虫品系、每种化合物分别在六块干燥的 FUDR 平板上接种 700 条 L4 幼虫。完成所有线虫接种后,将需要通过升温诱导瘫痪表型的线虫品系平板置于 24 摄氏度环境中培养 24 小时。
第二天,打开并行线虫追踪系统的舞台灯,用70%的乙醇清洁追踪系统的玻璃平台。若无可见残留物,则取下镜头盖,并使用吹尘器清洁成像镜头。确认相机已正确连接并安装到位,然后使用图像采集软件开始记录。
将相机设置调整为以每秒20帧的速度录制,并采用适当的mono-16录制参数。使用一个空的9厘米培养皿,确保载物台高度设置正确,必要时进行调整。在无菌条件下,向运动性筛选平板中加入3毫升M9溶液,并用2毫升M9溶液冲洗来自同一实验组的两个线虫负载FUDR平板表面积的三分之一,将洗液转移至筛选平板中。
然后,将筛选板放置在追踪仪载物台上。使用一条线虫来对相机进行对焦,并开始记录动物的运动。当记录完成后,丢弃运动能力检测板,并在将FUDR板放回培养箱之前,标记其已被使用过一次。
为了分析视频数据,打开并行线虫追踪数据分析软件的图形用户界面,使用浏览功能加载感兴趣的视频。选择一个输出目标文件夹,并确认已设置 600 至 1200 帧用于 30 秒的分析。输入 0.029 像素/毫米的转换系数,用于全分辨率下九厘米培养皿的成像,并选择保留死亡个体追踪算法。
在定位参数选项卡中,将Z轴使用图像设为100,Z轴填充设为3,标准像素设为54,阈值设为9,开运算设为1,闭运算设为2。将过滤参数调整为最小尺寸20,最大尺寸180,类虫形系数设为0.94。将轨迹形成参数设置为最大移动距离10,最小长度150,记忆帧数10。
将弯曲和速度参数设置为弯曲阈值 1.8,最小弯曲次数 0,用于估计速度的帧数为 150。将死亡线虫的统计参数调整为每分钟最大波动次数 5,最大速度为 1。选择输出文件夹,并设置输出帧数为 50,字体大小为 10。
使用示例函数测试参数,并输出样本图像,以检查在线虫的八个阈值处理步骤中是否均能清晰可见。然后启动“开始任务”功能,整合整个数据集的各个结果以分析测试结果文件,并通过导出为 TSV 文件的功能保存结果。该方法可用于对多种神经退行性疾病线虫模型(如额颞叶痴呆、帕金森病、阿尔茨海默病和肌萎缩侧索硬化症)进行大规模群体研究中的线虫表型特征分析。
除了利用帕金森病和阿尔茨海默病的线虫模型来表征潜在治疗分子的作用外,该方法还通过增加可分析的线虫数量,实现了比传统方法更高的测量精度。在执行该操作时,需注意尽量缩短将线虫加入运动性检测装置后至开始追踪之间的时间间隔。
完成此操作后,可采用其他方法来补充结果,并关联蛋白质聚集现象。该技术问世后,为帕金森病和阿尔茨海默病等神经退行性疾病和蛋白质错误折叠疾病领域的研究人员探索相关发现应用铺平了道路。请注意,FUDR具有极高危险性,操作过程中必须始终采取预防措施,例如佩戴腈类手套。
本文介绍了宽视场线虫追踪平台(WF-NTP)的实验方案,该平台可实现对秀丽隐杆线虫(Caenorhabditis elegans)的高通量表型表征。所述方法使研究人员能够高效评估药物处理引起的动物行为变化。
在秀丽隐杆线虫(C. elegans)中实现自动化的宽视场行为追踪,可支持高通量、定量的表型分析,这对于早期药物发现和遗传筛选至关重要。该平台显著提高了统计效能和实验可重复性,有助于稳健地检测与神经退行性疾病及蛋白质错误折叠疾病模型相关的细微表型变化。其可扩展性和精确性使其成为临床前研究中用于项目筛选和提升预测可信度的关键工具。
该自动化追踪平台整合了从早期发现到先导物识别及临床前验证的全过程,支持在与疾病相关的系统中进行假设验证和机制性风险降低研究。