Mid-infrared spectroscopy and supervised machine learning can determine age class of arboviral vector Culex pipiens at high age resolution

Resumen Técnico: Espectroscopía de Infrarrojo Medio y Aprendizaje Automático Supervisado para la Determinación de la Edad en Culex pipiens

Planteamiento del Problema
Culex pipiens es un vector primario de arbovirus como el virus del Nilo Occidental (WNV) y el virus Usutu (USUV) en regiones templadas. La eficiencia de la transmisión de patógenos depende fuertamente de la supervivencia del vector, ya que solo los mosquitos que sobreviven al periodo de incubación extrínseca (PIE) pueden transmitir la enfermedad. En consecuencia, determinar la estructura de edad de las poblaciones de campo es crítico para evaluar el riesgo de transmisión y evaluar las estrategias de control de vectores. Sin embargo, los métodos existentes para la clasificación por edad de Cx. pipiens, como la disección de ovarios, son laboriosos, difíciles de estandarizar y proporcionan estimaciones crudas de la edad cronológica. Aunque la espectroscopía de infrarrojo medio (MIRS) combinada con el aprendizaje automático (ML) ha sido validada para vectores tropicales como Anopheles y Aedes, su aplicabilidad a especies de Culex de clima templado —que exhiben vidas más largas y características fisiológicas diferentes— permanece sin probar.

Metodología
El estudio utilizó una colonia de laboratorio recientemente establecida de Cx. pipiens pipiens de Escocia. El diseño experimental involucró:

• Recolección de Muestras: Se recolectaron más de 1,500 hembras y 500 machos de Culex a través de tres réplicas independientes. Las hembras fueron monitoreadas desde 1–3 días post-emergencia hasta 79 días de edad, muestreadas en intervalos de 11 días. Los machos fueron muestreados a los 1–3, 11–13 y 22–24 días. Para asegurar la variabilidad fisiológica, se permitió que los mosquitos se alimentaran de sangre y pusieran huevos, lo que resultó en una mezcla de estados no alimentados, alimentados con sangre y grávidos.
• Espectroscopía: Los mosquitos individuales fueron escaneados utilizando un espectrómetro Bruker Alpha II FT-IR con un cristal de ATR de diamante. Los espectros se recolectaron de la cabeza y el tórax en el rango de 4000–400 cm⁻¹.
• Procesamiento de Datos: Se descartaron los espectros de baja calidad. Los datos restantes se dividieron en conjuntos de entrenamiento (80%) y de prueba (20%).
• Aprendizaje Automático: Se compararon seis algoritmos (Regresión Logística, SVC, Random Forest, KNN, Gradient Boosting y Perceptrón Multicapa) . El clasificador de Perceptrón Multicapa (MLP) demostró el mejor rendimiento base y fue seleccionado para la optimización de hiperparámetros mediante GridSearch.
• Niveles de Resolución: Los modelos fueron entrenados para clasificar la edad en tres niveles de resolución:
  • Baja: 2 clases de edad (1–35 días vs. 44–79 días).
  • Media: 4 clases de edad.
  • Alta: 8 clases de edad (intervalos de 11 días).
• Validación: Se utilizó un conjunto de datos "no visto" independiente de 202 hembras de un lote de cría separado para probar la generalizabilidad del modelo y prevenir el sobreajuste. Se calculó la importancia de la permutación para identificar los números de onda bioquímicos clave.

Resultos Clave

• Rendimiento del Modelo (Datos Vistos): El modelo MLP clasificó con éxito las clases de edad, con una precisión inversamente proporcional a la resolución.
  • Hembras: La precisión balanceada fue del 92.8% (baja), 88.9% (media) y 79.0% (alta).
  • Machos: La precisión balanceada fue del 82.5% para tres clases de edad.
  • Las clasificaciones erróneas ocurrieron predominantemente entre clases de edad adyacentes, lo que sugiere que los cambios bioquímicos en intervalos cortos son sutiles.
• Rendimiento del Modelo (Datos No Vistos): Al aplicarse al conjunto de datos independiente, la precisión disminuyó pero se mantuvo significativamente por encima del azar.
  • Hembras: La precisión cayó al 80.9% (baja), 46.9% (media) y 34.0% (alta).
  • Notablemente, el modelo de alta resolución retuvo un 83% de precisión en la identificación de mosquitos recién emergidos (1–3 días de edad).
• Características Bioquímicas: El análisis de importancia de la permutación indicó que el aprendizaje del modelo dependió fuertemente de la región de la huella dactilar (1300–600 cm⁻¹). Las regiones de interés específicas incluyeron estiramientos C–H y C–O, regiones de amida I y III, y una concentración distinta de importancia entre 2162–2100 cm⁻¹ para los modelos de baja resolución.

Significancia y Reivindicaciones
El artículo afirma presentar la primera aplicación exitosa de MIRS para la clasificación por edad dentro del género Culex. El estudio demuestra que la MIRS puede distinguir clases de edad en Cx. pipiens con la precisión suficiente para apoyar la evaluación del riesgo epidemiológico, particularmente para distinguir mosquitos recién emergidos de vectores más viejos y potencialmente infecciosos.

Los autores enfatizan que, si bien la técnica muestra potencial para evaluar las intervenciones de control de vectores (por ejemplo, monitorear la estructura de edad de la población post-intervención) y comprender la capacidad vectorial, los modelos actuales se derivan de colonias de laboratorio. El artículo señala modestamente que la precisión disminuye con una mayor resolución y al transicionar a datos no vistos, destacando la necesidad de una futura validación en poblaciones de campo y la inclusión de muestras genéticamente diversas para mejorar la transferibilidad. El trabajo establece una prueba de concepto de que la combinación MIRS-ML puede adaptarse de vectores tropicales a entornos de vectores templados, ofreciendo una alternativa no destructiva (para el abdomen, aunque destructiva para la cabeza/tórax) y de alto rendimiento a los métodos tradicionales de disección.