Date of Publication

11-2025

Document Type

Dissertation

Degree Name

Doctor of Philosophy in Biology

Subject Categories

Biology

College

College of Science

Department/Unit

Biology

Thesis Advisor

Thaddeus M. Carvajal

Defense Panel Chair

Billy Joel M. Almarinez

Defense Panel Member

Divina M. Amalin
Ma. Luisa D. Enriquez
Jonathan R. Digma
Justine Bennette H. Millado

Abstract (English)

Dengue remains endemic in the Philippines and is primarily transmitted by the yellow fever mosquito, Aedes aegypti Linnaeus. Without a broadly effective vaccine, vector control remains the primary strategy to reduce transmission. Chemical insecticides are widely used, but their excessive application poses environmental and human health concerns, highlighting the need for safer, sustainable alternatives. The Sterile Insect Technique (SIT) involves mass rearing, sterilization, and release of sterile males for mating with their wild female counterparts, resulting in non-viable offspring. It is a promising biological control strategy, but requires improvements in sterilization methods, sex separation, and rearing optimization. This study adopted a multi-faceted approach: (1) evaluating non-ionizing UVC (254 nm) as a potential sterilizing agent for male Ae. aegypti; (2) characterizing sex-specific developmental and morphometric traits for sex classification suitable for machine learning; and (3) developing and validating machine learning models, including deep learning classifiers, to differentiate pupae through morphometric and image-based analyses using individual (via digital microscopy) and high-throughput pupal imaging (using 96-well plates via mobile phone camera) for scalable applications and direct comparison with human level accuracy. UVC Lite reduced adult emergence (to 5.3% at 180 s) and male longevity (11–18 days at higher doses) but failed to induce sufficient sterility (egg hatch ≥ 54.88%), making it unsuitable as a sterilizing agent for SIT compared with ionizing radiation such as gamma rays. Males fed 10% white sugar had longer lifespans than those on raw sugar, potentially improving post-irradiation survival. Methods were planned for additional biological characterization, including flight ability tests and mating competitiveness assays, as well as genetic characterization using cytogenetic (dicentric chromosome) and genotoxicity (comet) assays, but these were not pursued due to insufficient sterility induced by UVC. Developmental and morphometric analysis confirmed strong sexual dimorphism and protandry. Females were larger across all measured parameters, and males pupated approximately one day earlier. Unmated females lived longer (22.63 days) than males (20.13 days), while mating reduced longevity by 10.34% in females and 32.94% in males. Pupal cephalothorax metrics correlated strongly with adult sizes. Pupal area showed the lowest sex overlap (4.27 ± 1.95%), followed by length (7.22 ± 1.86%), indicating strong discriminatory power. For individual pupal images, convolutional neural network models such as VGG16 achieved 98% accuracy on lateral views, followed by AegPupaCNN (custom CNN) with 94% accuracy. Ventral views improved both models to 98%. Grad-CAM analysis highlighted that models focused on pupal borders, emphasizing size and shape as primary cues for classification. Machine learning on morphometrics yielded 97–98% accuracy from lateral views (CatBoost and XGBoost performing best) and 100% from ventral views (Random Forest, Extra Trees, XGBoost, and CatBoost). Single-feature ventral analysis confirmed pupal area as the most discriminative parameter (95–97%), and the CatBoost model achieved the highest mean accuracy (94.8 ± 0.97%). For scalability, 96-well plate imaging with an optimized setup (standardized stand, backlighting, refrigeration, and black-painted plates) and a fine-tuned (15 epochs, 290 training sets) MobileNetV3 with transfer learning reached about 94.17% test accuracy, outperforming MobileNetV2 (91.77%) and EfficientNetV2B0 (88.96%), resolving earlier issues of >50% overlaps observed in the previous imaging setup using mobile phone and DSLR cameras. Overall, this work describes the practical limits of UVC sterilization, integrates developmental and morphometrics for sex differentiation, validates morphometric feature extraction and individual pupal images for sex classification, and presents machine learning workflows for scalable pupal sexing to support SIT applications.

Abstract Format

html

Abstract (Filipino)

Nanatiling laganap ang dengue sa Pilipinas at ito ay pangunahing naipapasa ng lamok na Aedes aegypti Linnaeus. Dahil wala pang malawakang epektibong bakuna, ang pagkontrol sa lamok ang nananatiling pangunahing paraan upang mabawasan ang pagkalat ng sakit. Malawak ang paggamit ng kemikal na mga panlaban sa lamok, subalit ang labis na paggamit ng mga ito ay may panganib sa kalusugan ng tao at kapaligiran, kaya kinakailangan ang mas ligtas at napapanatiling alternatibong pamamaraan. Ang Sterile Insect Technique (SIT) ay binubuo ng malakihang pagpapalaki ng lamok, pag-sterilisa, at pagpapakawala ng mga baog na lalaking lamok upang makipagtalik sa mga ligaw na babaeng lamok, na magreresulta sa mga itlog na hindi mapipisa. Ito ay isang mapangakong biyolohikal na paraan ng pagkontrol ng populasyon, ngunit nangangailangan pa ng pagbuti sa mga pamamaraan ng sterilisa, paghihiwalay ayon sa kasarian, at pagpapa-optima sa pagpapalaki. Gumamit ang pag-aaral na ito ng maraming pamamaraan: (1) pagsusuri sa non-ionizing UVC (254 nm) bilang posibleng pang-sterilisa para sa mga lalaking Ae. aegypti; (2) pagtukoy sa mga katangiang pag-unlad at mga sukat-anyo na naiiba ayon sa kasarian upang magamit sa machine learning; at (3) pagbuo at pagsusuri ng mga modelo ng machine learning, kabilang ang deep learning classifiers, upang matukoy ang kasarian ng mga pupa gamit ang pagsusuring nakabatay sa sukat (morphometrics) at larawan—gamit ang indibidwal na larawan sa digital microscopy at high-throughput na larawan ng pupa sa 96-well plates gamit ang kamera ng telepono—para sa mas obhetibo at malawakang aplikasyon na maaaring ikumpara sa antas ng katumpakan ng tao. Ipinakita ng UVC Lite ang pagbaba ng paglabas ng lamok (hanggang 5.3% sa 180 segundo) at pagpapaikli ng buhay ng mga lalaking lamok (11–18 araw sa mas mataas na dosis), ngunit hindi ito nakapagbigay ng sapat na pagka-baog (≥ 54.88% pisang itlog), kaya hindi ito angkop bilang pang-sterilisa para sa SIT kumpara sa ionizing radiation tulad ng gamma rays. Ang mga lalaking pinakain ng 10% puting asukal ay nabuhay nang mas mahaba kaysa sa mga pinakain ng hilaw na asukal, na maaaring makatulong sa kanilang buhay matapos i-irradiate. Nakaplano rin sana ang karagdagang pagsusuring biyolohikal—kabilang ang pagtatasa ng kakayahang lumipad, pagsusuri ng kakayahang makipagkumpitensya sa pakikipagtalik, at pagsusuring henetiko gamit ang cytogenetic (dicentric chromosome) at genotoxicity (comet) assays—subalit hindi ito itinuloy dahil hindi sapat ang pagka-baog na naidulot ng UVC. Kumpirmado sa pagsusuri ng pag-unlad at mga sukat-anyo na may malinaw na pagkakaiba ang kasarian (sexual dimorphism) at na mas maagang nagiging pupa ang mga lalaki (protandry). Higit na malaki ang mga babae sa lahat ng sinusukat na parametro, at ang mga lalaki ay nagpu-pupa nang humigit-kumulang isang araw nang mas maaga. Ang mga babaeng hindi nakipagtalik ay nabuhay nang mas matagal (22.63 araw) kumpara sa mga lalaki (20.13 araw), at ang pakikipagtalik ay nagpababa ng haba ng buhay ng babae ng 10.34% at ng lalaki ng 32.94%. Malakas ang ugnayan ng mga sukat ng cephalothorax ng pupa sa laki ng lamok. Ang kabuuang lawak (area) ng pupa ang nagpakita ng pinakamababang pagsasanib sa pagitan ng lalaki at babae (4.27 ± 1.95%), sinundan ng haba (7.22 ± 1.86%), na nagpapakita ng malakas na kakayahang makapaghati ayon sa kasarian. Sa mga indibidwal na larawan ng pupa, ang mga convolutional neural network tulad ng VGG16 ay nakakuha ng 98% katumpakan sa gilid na tanaw, sinundan ng AegPupaCNN (custom model) na may 94% katumpakan; umangat pa ang katumpakan ng parehong modelo sa 98% gamit ang harap na tanaw. Ipinakita ng Grad-CAM na ang pokus ng mga modelo ay nasa mga gilid ng pupa, na nagpapahiwatig na laki at hugis ang pangunahing palatandaan sa klasipikasyon. Sa machine learning batay sa sukat, umabot sa 97–98% ang katumpakan para sa gilid na tanaw (pinakamahusay ang CatBoost at XGBoost) at 100% para sa ventral view (Random Forest, Extra Trees, XGBoost, at CatBoost). Pinatunayan ng pagsusuri gamit ang iisang parametro mula sa ventral view na ang kabuuang lawak ng pupa ang pinaka-epektibong batayan (95–97%), at ang CatBoost ang may pinakamataas na pamantayang katumpakan (94.8 ± 0.97%). Para sa mas malawak na aplikasyon, ginamit ang paglalarawan sa 96-well plates gamit ang na-optima na pagsasaayos (standardized stand, backlighting, pagpapalamig, at mga itim na kinulayang plate), at ang naayos nang husto na MobileNetV3 gamit ang transfer learning (15 epochs, 290 training sets) ay nakakuha ng humigit-kumulang 94.17% katumpakan, mas mataas kaysa MobileNetV2 (91.77%) at EfficientNetV2B0 (88.96%). Nalutas nito ang dating suliraning higit 50% overlapping sa naunang pagsasaayos sa pagkuha ng larawanna gumamit lang ng kamera ng telepono at DSLR. Sa kabuuan, inilalarawan ng pag-aaral na ito ang praktikal na limitasyon ng UVC sterilisation, ang integrasyon ng pagsusuring pangkaunlaran at pang-anyo para sa pagkilala ng kasarian, ang pagpapatunay sa paggamit ng morphometric feature extraction at indibidwal na larawan ng pupa para sa klasipikasyon, at ang paglikha ng mga proseso sa machine learning para sa malakihan at episyenteng pagtukoy ng kasarian ng pupa bilang suporta sa SIT.

Abstract Format

html

Language

English

Format

Electronic

Keywords

Aedes aegypti; Sex differentiation; Infertility in animals

Upload Full Text

wf_yes

Embargo Period

12-12-2026

Download

Available for download on Saturday, December 12, 2026

Share

COinS