Résumé :
Les chercheurs ont développé un système d'intelligence artificielle appelé ChromAgeNet, capable d'identifier les caractéristiques de vieillissement cachées dans la structure de l'ADN à partir d'images cellulaires tridimensionnelles obtenues par des microscopes ordinaires, fournissant ainsi un nouvel outil pour l'étude du vieillissement des cellules souches sanguines et la recherche future de moyens de retarder le vieillissement.
À mesure que l'âge augmente, la capacité du corps à produire des cellules sanguines diminue progressivement. Ce changement est étroitement lié au déclin du fonctionnement du système hématopoïétique. Les cellules souches hématopoïétiques sont responsables de la production de divers composants sanguins tels que les globules rouges, les globules blancs et les plaquettes, mais les changements internes qui se produisent dans ces cellules au cours du vieillissement sont souvent si subtils qu'ils sont difficiles à détecter directement, même par observation au microscope.
Pour résoudre ce problème, une équipe de recherche de l'Institut espagnol de recherche biomédicale Belvite, du Barcelona Supercomputing Center et de l'Institut de santé mondiale de Barcelone a développé conjointement ChromAgeNet. Le système analyse des images tridimensionnelles des noyaux cellulaires pour étudier l’organisation spatiale de l’ADN à l’intérieur du noyau afin de découvrir des caractéristiques cachées liées au vieillissement.
Dans l'étude publiée dans la revue "Aging Cell", les scientifiques ont utilisé des cellules souches hématopoïétiques de souris à des fins de vérification. Les résultats montrent que ChromAgeNet peut distinguer les cellules jeunes des cellules sénescentes avec une précision d'environ 77 %, ce qui est meilleur que les modèles d'apprentissage automatique traditionnels qui reposaient auparavant sur des fonctionnalités définies artificiellement.
L'équipe de recherche a souligné qu'à l'intérieur du noyau, l'ADN n'existe pas sous une forme linéaire simple, mais qu'il forme avec les protéines une structure complexe appelée chromatine. La façon dont la chromatine est organisée affecte les gènes activés, qui à leur tour déterminent l’identité et la fonction de la cellule. Avec l’âge, cette structure tridimensionnelle change progressivement, mais ces changements sont souvent difficiles à détecter à l’œil nu.
Afin de former le modèle d'intelligence artificielle, les chercheurs ont d'abord utilisé le colorant fluorescent commun DAPI pour marquer l'ADN, puis ont obtenu des images microscopiques tridimensionnelles du noyau cellulaire. Le réseau neuronal apprend ensuite les différences subtiles entre les cellules jeunes et vieilles à partir d'un grand nombre d'échantillons et construit un modèle de jugement.
Une analyse plus approfondie a révélé que ChromAgeNet ne se concentre pas sur les indicateurs traditionnels tels que la taille ou la forme des cellules, mais sur des détails tels que la complexité de l'organisation de la chromatine dans l'espace, la distribution de l'hétérochromatine près du bord du noyau cellulaire et certaines zones de condensation de la chromatine à haute densité. Ces caractéristiques structurelles, difficiles à quantifier dans le passé, peuvent contenir des informations importantes étroitement liées à l’âge des cellules.
Les chercheurs ont également mené des expériences de validation de principe. Ils ont traité les cellules souches hématopoïétiques vieillissantes avec différents types de médicaments épigénétiques, puis ont utilisé ChromAgeNet pour analyser si les médicaments modifiaient le modèle d'organisation de l'ADN et le rendaient plus similaire aux caractéristiques structurelles des jeunes cellules.
Les résultats montrent que l'outil peut effectivement détecter les changements structurels qui se produisent après un traitement médicamenteux et déterminer si certaines cellules se sont transformées en « caractéristiques plus jeunes ». Cependant, l’équipe de recherche a souligné que cela ne signifie pas que ces médicaments ont véritablement restauré les cellules à un état plus jeune, ni qu’ils ne peuvent pas prouver que les fonctions cellulaires ont été restaurées. Les résultats actuels illustrent uniquement la capacité de l’IA à identifier les changements structurels liés à l’âge et leurs réponses aux interventions.
Les chercheurs ont déclaré que cette technologie pourrait être utilisée à l'avenir en combinaison avec d'autres outils d'évaluation de l'âge biologique, tels que les horloges épigénétiques, afin de fournir des informations plus complètes pour étudier les mécanismes du vieillissement. En raison du faible coût et de la large application de la coloration DAPI, ChromAgeNet devrait être utilisé à l'avenir dans des expériences de criblage à haut débit afin d'évaluer rapidement les effets de différents médicaments et interventions à partir de quantités massives de cellules.
L'équipe a également divulgué le modèle ChromAgeNet et les données d'images cellulaires tridimensionnelles associées, dans l'espoir que d'autres instituts de recherche pourront améliorer davantage la technologie d'évaluation de l'âge cellulaire sur la base de ces résultats. Les chercheurs pensent qu’une multitude d’informations sur le vieillissement sont cachées dans la structure tridimensionnelle de l’ADN, et l’intelligence artificielle aide les scientifiques à lire ces signaux d’une manière sans précédent, ouvrant ainsi de nouvelles directions de recherche pour comprendre le processus de vieillissement et développer de potentiels traitements anti-âge.
Commentaires