2021年4月4日
本研究介绍了两种用于分析秀丽隐杆线虫(C. elegans)复合体 I 疾病 gas-1(fc21) 蚓体运动活性的半自动化方法,分别为 ZebraLab(中通量检测)和 WormScan(高通量检测),并提供了多种研究方法之间的比较分析,以量化线虫行为及整合性神经肌肉功能。
本方案采用两种不同的半自动化检测方法,可快速定量秀丽隐杆线虫(C.elegans)在液体培养基中的运动活性,且有望应用于秀丽隐杆线虫疾病模型的药物筛选。这两种技术的主要优势在于操作简便且易于重复。两种方法均有潜力以不同的通量水平评估药物对线虫行为的影响。
这些运动性检测方法可用于评估线虫线粒体疾病模型的运动能力,其中线虫的神经肌肉系统功能受损。为分析在NGM平板上同步至L4期并接受或未接受药物处理的对照组与突变株线虫在液体培养基中的运动能力,使用线虫挑取工具和体视显微镜,将每种菌株和条件下的五条线虫转移至载玻片上独立的20 µL S. basal溶液液滴中。将来自不同NGM平板但相同实验条件的线虫分别加入同一载玻片上的多个液滴,以获得多个技术重复样本。
当收集完所有线虫后,将样品置于载玻片上,在室温下静置适应1分钟,随后以每秒15帧的速度记录每滴液滴中线虫的游泳活动,每滴记录时长为1分钟。为使用ZebraLab软件分析所记录的秀丽隐杆线虫(C. elegans)运动行为,选择ZEBRALAB AVI功能将视频上传至软件中,并点击“Quantization with AVI Files”选项。
要创建新方案,请选择参数、方案参数和时间,并将实验时长设置为一分钟。根据所需的数据输出,选择“无时间分段”并取消选中“积分周期”,然后选择文件并打开视频,以上传每个先前录制的视频文件。为建立单一检测区域,使用圆形工具在包含线虫的整个液滴周围创建一个区域。
将检测所选区域内所有线虫的活动。为进行距离校准,请在视频区域从左至右绘制一条水平线,然后选择“Calibration”(校准)、“Draw”(绘制)和“Apply to Group”(应用于组)。为了能够检测并分析不同品系的秀丽隐杆线虫(C. elegans),请取消选择“Area”(区域)图标,并在“Activity Threshold”(活动阈值)中调整“Detection Sensitivity”(检测灵敏度)。
在活动分析进行过程中,若要可视化动物的运动轨迹,请将显示比例设置为70,并选择应用于组。要分析视频,请单击播放,选择实验,然后执行,以输入视频的文件名。保存后,将弹出一个窗口,询问是否以计算机的最大速度分析该视频。
单击“是”。正在运行的实验窗口将打开。单击“开始”。
当记录分析完成后,点击“实验”并停止,以将液滴中分析的活动数据保存到电子表格中。为了以96孔板形式分析线虫在液体培养基中的运动活性,当线虫发育至L4阶段时,向透明的96孔平底微孔板的每孔中加入50微升浓度为2%(质量/体积)的大肠杆菌OP50和S-基础培养基。使用体视显微镜手动挑选15条同步发育的线虫放入96孔板的每孔中,并让线虫适应环境20分钟。
在适应期结束时,使用标准平板扫描仪对每块微孔板进行两次扫描,两次扫描间隔小于10秒。为分析扫描结果,使用开源软件对连续的两幅扫描图像进行比对,获取两幅图像间的像素变化数据以及相对线虫扫描评分,从而根据扫描仪在设定像素阈值为5时产生的光强来确定运动反应的变化。在此对单滴液体培养基中秀丽隐杆线虫(C. elegans)运动活性的分析中,线粒体复合物I疾病模型线虫在L4阶段的运动活性相较于野生型线虫显著降低了38%。类似地,对相同种群的线虫扫描分析显示,L4阶段疾病模型线虫的运动活性相较于N2 Bristol野生型线虫显著降低。
通过蠕虫扫描分析发现,成年第一天阶段的线粒体复合物 I 疾病蠕虫也表现出运动活性的丧失。在建立每项检测时,务必注意使用正确数量的蠕虫。按照此操作流程,本实验室经常进行药物筛选。
本实验室采用这两种技术,在线虫线粒体疾病临床前动物模型中评估目标药物对蠕虫活动的影响。
查看完整文字稿并访问数千部科学视频
本文介绍了两种用于定量分析秀丽隐杆线虫(Caenorhabditis elegans,C. elegans)运动活性的半自动化检测方法,重点阐述其在线粒体疾病模型和药物筛选中的应用。ZebraLab 和 WormScan 这两种方法能够高效、可重复且可扩展地评估线虫运动能力,适用于中通量和高通量实验设计。
对秀丽隐杆线虫(Caenorhabditis elegans)模型中运动活性的定量评估,能够客观评价与线粒体疾病相关的神经肌肉表型。ZebraLab和WormScan等半自动化方法为转化研究中的临床前药物筛选和机制性风险评估提供了可扩展且可重复的平台。这些方法通过在不同实验条件下标准化行为表型分析,有助于提升预测可信度并支持研究项目的优先级筛选。
这些半自动化的运动功能检测方法可贯穿早期发现、先导物识别及临床前研究全过程,支持在线粒体疾病模型中进行假设验证和化合物筛选。