Aiptasia larvae are phenotypically validated as a model of coral bleaching using high-throughput machine-learning image analysis
Deze studie vestigt optisch transparante *Aiptasia*-larven als een gevalideerd model voor koraalbleking en introduceert SYMPHONY, een machine learning-beeldanalyse-pipeline die snelle, hoog-doorvoersnelheid en nauwkeurige fenotypering van de lokalisatie van symbiotische algen onder hittestress mogelijk maakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Koraalriffen behoren tot de meest levendige en vitale ecosystemen op aarde; ze ondersteunen een enorme verscheidenheid aan marien leven en beschermen kustlijnen tegen stormen. Toch zijn deze onderwatersteden aan het verdwijnen. Een primaire drijfveer van dit verlies is een fenomeen dat bekend staat als verbleking (bleaching), wat optreedt wanneer stijgende oceantemperaturen de delicate samenwerking tussen koraaldieren en de microscopische algen die in hen leven verbreken. Deze algen voorzien het koraal van voedsel via fotosynthese, maar wanneer het water te warm wordt, stoot het koraal hen uit, waardoor het wit wordt en verhongert. Om te begrijpen hoe deze riffen gered kunnen worden, moeten wetenschappers precies bestuderen hoe en waarom deze samenwerking instort. Jarenlang hebben onderzoekers een kleine zeeanemoon genaamd Aiptasia gebruikt als een surrogaat voor koraal. Hoewel de volwassen anemonen nuttig zijn, zijn ze groot, opaak en moeilijk in grote aantallen te bestuderen zonder ze te beschadigen. Deze beperking heeft het moeilijk gemaakt om de snelle, grootschalige experimenten uit te voeren die nodig zijn om oplossingen te vinden.
Een team van onderzoekers heeft zich nu gericht op een andere levensfase van de anemoon: het larva (de larve). Deze minuscule, transparante wezens zijn slechts ongeveer zo breed als een menselijke haar en helder genoeg om dwars doorheen te kijken. De onderzoekers ontdekten dat deze larven op precies dezelfde manier op hittestress reageren als volwassen koraal, namelijk door hun interne algen te verliezen en te "verbleken". Om dit te bewijzen, onderwierpen zij duizenden larven aan warm water en observeerden deze gedurende enkele dagen. Ze ontdekten dat binnen twee dagen van hittestress het aantal gezonde larven significant afnam, en dat na vier dagen de meeste hun algen hadden verloren. Dit bevestigde dat deze piepkleine, transparante larven een perfect, snelgroeiend model zijn voor het bestuderen van de breuk in de relatie tussen koraal en alg.
Het tellen en analyseren van deze minuscule wezens met de hand is echter ongelooflijk traag en eentonig. Eén enkele microscoopopname kan tientallen larven bevatten in verschillende stadia van gezondheid, en bepalen of een algencel veilig in het weefsel van een larve zit of gewoon in de maag drijft, vereist het bekijken van de afbeelding in drie dimensies. Het doen hiervan voor honderden afbeeldingen kostte de onderzoekers meer dan twintig uur intense concentratie. Om deze flessenhals op te lossen, bouwden zij een nieuw computerprogramma genaamd SYMPHONY. Dit hulpmiddel gebruikt kunstmatige intelligentie om naar de microscoopbeelden te kijken, elke individuele larve te identificeren en de gezondheidsstatus ervan te bepalen in slechts enkele minuten. Het programma werkt door de 3D-beelden te platten naar een 2D-formaat dat de diepte-informatie behoudt die nodig is om te bepalen of de algen op de juiste plek zitten. Vervolgens gebruikt het een vooraf getraind systeem, oorspronkelijk ontworpen om cellen in menselijk weefsel te detecteren, om de larven te vinden, en een tweede systeem om ze te classificeren als gezond, verbleekt of te moeilijk om te beoordelen.
De resultaten toonden aan dat het computerprogramma het werk van menselijke experts met hoge nauwkeurigheid kon evenaren, waarbij het de juiste gezondheidsstatus van de larven ongeveer 79 procent van de tijd correct identificeerde. Belangrijker nog was dat het programma dezelfde trends bevestigde die de mensen vonden: hittestress zorgt ervoor dat de larven hun algen verliezen, en hoe langer de hitte aanhoudt, hoe ernstiger het verlies wordt. Hoewel de computer ook enkele afbeeldingen markeerde als te verwarrend om automatisch te beoordelen, bespaarde het de onderzoekers nog steeds meer dan twintig uur arbeid voor deze specifieke studie. Door een piepklein, transparant diermodel te combineren met een slimme, geautomatiseerde manier om hen te tellen, hebben de onderzoekers een krachtig nieuw instrument gecreëerd. Deze aanpak stelt wetenschappers in staat om duizenden larven snel te testen, wat de deur opent naar snellere ontdekkingen over hoe koralen op hitte reageren en wat hen kan helpen overleven in een opwarmende oceaan.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.