Новый ИИ‑инструмент выявляет признаки старения гемопоэтических стволовых клеток

Старение постепенно ухудшает работу организма, в том числе способность кроветворной системы — совокупности органов и тканей, отвечающих за образование клеток крови — поддерживать адекватный гомеостаз клеток крови. Понимание и точная оценка этого процесса важны для изучения старения гемопоэтических стволовых клеток и поиска способов сохранить или восстановить их функцию.

Исследование, проведённое доктором Марией Каролиной Флориан, исследовательницей программы регенеративной медицины в Институте биомедицинских исследований Белвитге (IDIBELL) и профессором-исследователем ICREA, и доктором Паулой Петроне, исследовательницей Барселонского суперкомпьютерного центра – Centro Nacional de Supercomputación (BSC‑CNS) и Барселонского института глобального здравоохранения (ISGlobal), центра, поддерживаемого Фондом «la Caixa», представляет ChromAgeNet — инструмент на основе искусственного интеллекта, который выявляет закономерности старения по микроскопическим изображениям гемопоэтических стволовых клеток. Модель анализирует трёхмерную организацию хроматина — комплекса ДНК и белков в ядре клетки, который упаковывает генетический материал и регулирует активность генов. Работа, ставшая центральной частью докторской диссертации Пабло Яньеса, исследователя ISGlobal, объединяет экспертизу в биологии стволовых клеток, старения, анализе изображений и ИИ; результаты опубликованы в Aging Cell.

Для создания модели исследователи использовали трёхмерные изображения ядер гемопоэтических стволовых клеток мыши, окрашенных DAPI — доступным и широко применяемым флуоресцентным красителем для визуализации ДНК. С помощью сверточной нейронной сети — типа модели ИИ, предназначенной для анализа изображений — ChromAgeNet научилась различать молодые и старые клетки по внешнему виду их ядер.

По результатам классификации, основанной на изображениях ядра, модель демонстрировала около 77% вероятности правильного разделения клеток на две возрастные группы, превзойдя предыдущую модель машинного обучения, опиравшуюся на заранее определённые признаки хроматина.

Обнаружение того, чего не видно невооружённым глазом.

Одним из ключевых аспектов работы является то, что возрастные отличия на микроскопических изображениях часто слишком тонки для визуального распознавания: старение стволовых клеток протекает неравномерно, и изменения в ядерной архитектуре могут быть едва заметны. ChromAgeNet позволяет идентифицировать сочетания пространственных характеристик хроматина, которые несут информацию о состоянии старения клетки.

Анализ важности признаков показал, что среди прогностически значимых характеристик оказались энтропия распределения хроматина, локализация гетерохроматина у периферии ядра и отдельные конденсаты хроматина.

Понимание того, какие элементы организации ДНК использует модель для прогнозов, даёт больше, чем простая классификация «молодая/старая»: это раскрывает конкретные характеристики ядерной архитектуры, связанные со старением, и может дополнять другие возрастные биомаркеры, например эпигенетические часы, основанные на химических модификациях ДНК, таких как метилирование.

Новый подход к поиску стратегий омоложения.

Команда также проверила потенциал ChromAgeNet как инструмента для скрининга вмешательств, способных изменить возрастные характеристики клеток. В качестве доказательства концепции модель применяли к старым гемопоэтическим стволовым клеткам, обработанным различными эпигенетическими препаратами, чтобы оценить, приводят ли эти вмешательства к изменениям организации хроматина в направлении более молодого состояния.

Авторы подчёркивают, что полученные данные не доказывают функционального омоложения клеток, но показывают, что ChromAgeNet может служить инструментом для обнаружения возрастных изменений в ответ на разные вмешательства и для быстрой оценки потенциальных стратегий омоложения.

Практический аспект заключается в том, что использование DAPI — недорогого красителя, легко интегрируемого в микроскопические протоколы, и сравнительно небольшой набор параметров модели упрощают возможное применение подхода в высокопроизводительных микроскопических рабочих процессах, позволяя анализировать большие объёмы образцов и ускорять отбор кандидатов.

В рамках работы исследователи также сделали доступным для научного сообщества набор трёхмерных изображений гемопоэтических стволовых клеток вместе с ChromAgeNet . Этот ресурс может способствовать разработке и валидации новых вычислительных инструментов для изучения старения клеток крови — области, где сейчас мало общедоступных наборов изображений.

В целом исследование показывает, что трёхмерная организация ДНК содержит измеримую информацию о старении гемопоэтических стволовых клеток и что искусственный интеллект способен извлечь эту информацию из микроскопических изображений. ChromAgeNet предлагает новый инструмент для изучения клеточного старения и для более быстрых и масштабируемых исследований стратегий сохранения или восстановления функций гемопоэтических стволовых клеток.