Samenvatting:

Reuzenvirussen, zoals het mimivirus en het pandoravirus, zijn uitzonderlijk grote virussen die verschillende micro-organismen infecteren. Het begrijpen van hun infectiemechanismen is cruciaal voor het bestuderen van de virologie en microbiële ecologie. Conventionele benaderingen voor het analyseren van gigantische virusinfecties bij amoeben zijn gebaseerd op kwalitatieve observaties, die subjectief en beperkt kunnen zijn in het verschaffen van gedetailleerde inzichten in het infectieproces.

In deze studie hebben we een nieuwe beeldanalysemethode ontwikkeld voor time-lapse-microscopiegegevens om gigantische virusinfecties in amoeben kwantitatief te analyseren. Onze methode omvat beeldsegmentatie, functie-extractie en machine learning-technieken. We hebben deze methode toegepast om time-lapse-beeldvormingsgegevens met hoge doorvoer te analyseren van Acanthamoeba castellanii geïnfecteerd met het gigantische virus Mimivirus.

Onze resultaten bieden een uitgebreide analyse van het infectieproces, inclusief de initiële hechting van het virus aan het amoebe-oppervlak, het binnendringen, repliceren en vrijkomen van virussen. Kwantitatieve metingen, zoals infectiesnelheid, virale belasting en replicatiekinetiek, werden verkregen en statistisch geanalyseerd. We identificeerden ook belangrijke morfologische veranderingen in geïnfecteerde amoebecellen gedurende de infectiecyclus.

De ontwikkelde beeldanalysemethode stelt onderzoekers in staat om systematisch de infectiemechanismen van gigantische virussen met hoge nauwkeurigheid en doorvoersnelheid te bestuderen. Deze aanpak draagt ​​niet alleen bij aan het bevorderen van ons begrip van gigantische virus-gastheer-interacties, maar biedt ook een waardevol hulpmiddel voor het onderzoeken van andere aspecten van microbiële ecologie en virologie.