Zusammenfassung:
Forscher haben ein künstliches Intelligenzsystem namens ChromAgeNet entwickelt, das in der DNA-Struktur verborgene Alterungsmerkmale aus dreidimensionalen Zellbildern identifizieren kann, die mit gewöhnlichen Mikroskopen aufgenommen wurden. Dies stellt ein neues Werkzeug für die Untersuchung der Alterung von Blutstammzellen und die zukünftige Suche nach Möglichkeiten zur Verzögerung des Alterns dar.
Mit zunehmendem Alter nimmt die Fähigkeit des Körpers, Blutzellen zu produzieren, allmählich ab. Diese Veränderung steht in engem Zusammenhang mit der Verschlechterung der Funktion des hämatopoetischen Systems. Hämatopoetische Stammzellen sind für die Produktion verschiedener Blutbestandteile wie rote Blutkörperchen, weiße Blutkörperchen und Blutplättchen verantwortlich. Die inneren Veränderungen, die in diesen Zellen während des Alterns auftreten, sind jedoch oft so subtil, dass sie selbst bei mikroskopischer Beobachtung schwer direkt zu erkennen sind.
Um dieses Problem zu lösen, hat ein Forschungsteam des spanischen Belvite Biomedical Research Institute, des Barcelona Supercomputing Centre und des Barcelona Global Health Institute gemeinsam ChromAgeNet entwickelt. Das System analysiert dreidimensionale Bilder von Zellkernen, um die räumliche Organisation der DNA im Zellkern zu untersuchen und verborgene Merkmale im Zusammenhang mit dem Altern zu finden.
In der in der Fachzeitschrift „Aging Cell“ veröffentlichten Studie verwendeten Wissenschaftler zur Verifizierung hämatopoetische Stammzellen von Mäusen. Die Ergebnisse zeigen, dass ChromAgeNet junge Zellen von seneszenten Zellen mit einer Genauigkeit von etwa 77 % unterscheiden kann, was besser ist als herkömmliche Modelle des maschinellen Lernens, die zuvor auf künstlich festgelegten Merkmalen beruhten.
Das Forschungsteam wies darauf hin, dass die DNA im Zellkern nicht in einer einfachen linearen Form vorliegt, sondern zusammen mit Proteinen eine komplexe Struktur namens Chromatin bildet. Die Anordnung des Chromatins beeinflusst, welche Gene aktiviert werden, was wiederum die Identität und Funktion der Zelle bestimmt. Mit zunehmendem Alter verändert sich diese dreidimensionale Struktur allmählich, doch diese Veränderungen sind mit bloßem Auge oft nur schwer zu erkennen.
Um das Modell der künstlichen Intelligenz zu trainieren, verwendeten die Forscher zunächst den gängigen Fluoreszenzfarbstoff DAPI zur Markierung der DNA und erstellten dann dreidimensionale mikroskopische Bilder des Zellkerns. Das neuronale Netzwerk lernt dann aus einer großen Anzahl von Proben die feinen Unterschiede zwischen jungen und alten Zellen und erstellt ein Beurteilungsmodell.
Weitere Analysen ergaben, dass sich ChromAgeNet nicht auf traditionelle Indikatoren wie Zellgröße oder -form konzentriert, sondern auf Details wie die Komplexität der Organisation von Chromatin im Raum, die Verteilung von Heterochromatin in der Nähe des Zellkernrands und einige Bereiche mit hoher Chromatinkondensation. Diese Strukturmerkmale, die in der Vergangenheit schwer zu quantifizieren waren, könnten wichtige Informationen enthalten, die eng mit dem Zellalter zusammenhängen.
Die Forscher führten auch Proof-of-Concept-Experimente durch. Sie behandelten alternde hämatopoetische Stammzellen mit verschiedenen Arten epigenetischer Medikamente und analysierten dann mithilfe von ChromAgeNet, ob die Medikamente das DNA-Organisationsmuster veränderten und es den Strukturmerkmalen junger Zellen ähnlicher machten.
Die Ergebnisse zeigen, dass das Tool tatsächlich strukturelle Veränderungen erkennen kann, die nach einer medikamentösen Behandlung auftreten, und feststellen kann, ob sich einige Zellen in „jüngere Merkmale“ umgewandelt haben. Das Forschungsteam betonte jedoch, dass dies weder bedeute, dass diese Medikamente die Zellen wirklich in einen jüngeren Zustand versetzt hätten, noch dass sie beweisen könnten, dass die Zellfunktionen wiederhergestellt wurden. Die aktuellen Ergebnisse verdeutlichen lediglich die Fähigkeit der KI, altersbedingte Strukturveränderungen und deren Reaktionen auf Interventionen zu erkennen.
Die Forscher sagten, dass diese Technologie in Zukunft in Kombination mit anderen biologischen Altersbestimmungsinstrumenten wie epigenetischen Uhren verwendet werden kann, um umfassendere Informationen für die Untersuchung von Alterungsmechanismen bereitzustellen. Aufgrund der geringen Kosten und der breiten Anwendung der DAPI-Färbung wird erwartet, dass ChromAgeNet in Zukunft in Hochdurchsatz-Screening-Experimenten eingesetzt wird, um die Wirkung verschiedener Medikamente und Interventionen anhand großer Zellmengen schnell zu bewerten.
Das Team veröffentlichte außerdem das ChromAgeNet-Modell und zugehörige dreidimensionale Zellbilddaten und hoffte, dass andere Forschungseinrichtungen die Technologie zur Bestimmung des Zellalters auf der Grundlage dieser Ergebnisse weiter verbessern können. Forscher glauben, dass in der dreidimensionalen Struktur der DNA eine Fülle von Alterungsinformationen verborgen ist, und künstliche Intelligenz hilft Wissenschaftlern, diese Signale auf beispiellose Weise zu lesen, was neue Forschungsrichtungen zum Verständnis des Alterungsprozesses und zur Entwicklung potenzieller Anti-Aging-Behandlungen eröffnet.
Kommentare