AI识别造血干细胞衰老状态准确率达77%

细胞老没老，可能藏在细胞核的细微变化中。西班牙贝尔维特生物医学研究所等机构科学家开发出一种人工智能（AI）工具，能够从造血干细胞细胞核的三维显微图像中识别这些变化，并以77%的准确率区分年轻细胞和衰老细胞。这为研究血液干细胞衰老及寻找干预细胞衰老的方法提供了新的技术手段。相关研究28日发表于《衰老细胞》杂志。

造血干细胞负责产生人体各种血细胞。随着年龄增长，这些细胞的功能会逐渐下降，但细胞衰老并不一定会留下明显的“痕迹”。尤其是细胞核内部DNA的组织方式发生的变化，往往非常细微，仅凭肉眼观察显微镜图像很难分辨。

研究团队开发的这套AI工具名为ChromAgeNet。它看的不是细胞的大小、形状等常规指标，而是细胞核中DNA的三维组织方式。他们先用DAPI标记DNA，再获取小鼠造血干细胞细胞核的三维显微图像，随后利用卷积神经网络让AI从大量图像中寻找年轻细胞和衰老细胞之间的细微差异。结果显示，ChromAgeNet能够仅凭细胞核图像，以77%的准确率区分年轻和衰老造血干细胞，表现优于此前基于特定染色质特征建立的机器学习模型。

团队进一步分析了模型作出判断时关注的细胞核特征，发现染色质在空间上的复杂程度、细胞核边缘的异染色质分布，以及部分染色质凝聚体等，都有助于区分年轻细胞和衰老细胞。这说明，显微镜图像中一些原本难以察觉的细微结构差异，可能包含与细胞衰老有关的信息。这类信息可以与表观遗传时钟等其他衰老指标结合，用于更加全面地研究细胞的生物学年龄。

如果AI能够识别细胞衰老，它能否进一步帮助寻找让细胞恢复年轻状态的方法？研究团队对此进行了初步尝试。他们将接受不同表观遗传药物处理的衰老造血干细胞交由ChromAgeNet分析，观察药物是否改变了细胞的染色质组织，使其呈现出更加接近年轻细胞的特征。

不过，这些结果还不能证明相关药物真正让细胞“返老还童”。团队指出，ChromAgeNet目前能够检测到的是与衰老有关的结构变化，而不是直接证明造血干细胞的功能已经恢复。

由于DAPI染色成本较低、操作简单，这套方法未来有望用于高通量显微成像，从大量细胞中快速筛选受到不同干预影响的细胞，从而帮助寻找潜在的细胞年轻化策略。