要約:
研究者らは、ChromAgeNet と呼ばれる人工知能システムを開発しました。このシステムは、通常の顕微鏡で得られる 3 次元細胞画像から DNA 構造に隠された老化の特徴を特定することができ、血液幹細胞の老化の研究と老化を遅らせる方法の将来の探索に新しいツールを提供します。
年齢が上がるにつれて、体の血球を生成する能力は徐々に低下します。この変化は造血系の機能の低下と密接に関係しています。造血幹細胞は、赤血球、白血球、血小板などのさまざまな血液成分の生成を担っていますが、老化に伴う細胞内部の変化は非常に微細であることが多く、顕微鏡観察でも直接検出することが困難です。
この問題を解決するために、スペインのベルビテ生物医学研究所、バルセロナ スーパーコンピューティング センター、バルセロナ グローバル ヘルス研究所の研究チームが共同で ChromAgeNet を開発しました。このシステムは、細胞核の 3 次元画像を分析して、核内の DNA の空間構成を研究し、老化に関連する隠れた特徴を見つけます。
ジャーナル「Aging Cell」に掲載された研究では、科学者たちは検証のためにマウスの造血幹細胞を使用しました。結果は、ChromAgeNet が約 77% の精度で若い細胞と老化細胞を区別できることを示しています。これは、これまで人為的に設定された特徴に依存していた従来の機械学習モデルよりも優れています。
研究チームは、核内では DNA が単純な直線状では存在せず、タンパク質とともにクロマチンと呼ばれる複雑な構造を形成していると指摘しました。クロマチンの配置方法はどの遺伝子が活性化されるかに影響を与え、それが細胞の正体と機能を決定します。加齢に伴い、この三次元構造は徐々に変化していきますが、その変化を肉眼で検出するのは難しい場合が多いです。
人工知能モデルをトレーニングするために、研究者らはまず一般的な蛍光色素 DAPI を使用して DNA を標識し、次に細胞核の 3 次元顕微鏡画像を取得しました。次に、ニューラルネットワークは、多数のサンプルから若い細胞と古い細胞の微妙な違いを学習し、判断モデルを構築します。
さらなる分析により、ChromAgeNet は細胞のサイズや形状などの従来の指標ではなく、空間内のクロマチン構成の複雑さ、細胞核の端近くのヘテロクロマチンの分布、いくつかの高密度クロマチン凝縮領域などの詳細に焦点を当てていることがわかりました。これらの構造的特徴は、これまで定量化することが困難でしたが、細胞年齢に密接に関連する重要な情報が含まれている可能性があります。
研究者らは概念実証実験も実施しました。彼らは、老化した造血幹細胞をさまざまな種類のエピジェネティック薬剤で処理し、その後ChromAgeNetを使用して、その薬剤がDNA組織パターンを変化させ、若い細胞の構造的特徴により似せたかどうかを分析しました。
結果は、このツールが薬物治療後に起こる構造変化を実際に検出し、一部の細胞が「若い特徴」に変化したかどうかを判断できることを示しています。しかし研究チームは、これはこれらの薬剤が本当に細胞を若い状態に戻したわけではなく、細胞機能が回復したことを証明することもできないと強調した。現在の結果は、加齢に伴う構造変化と介入に対するその反応を識別する AI の能力を示しているだけです。
研究者らは、将来的にはこの技術をエピジェネティック時計などの他の生物学的年齢評価ツールと組み合わせて使用して、老化メカニズムを研究するためのより包括的な情報を提供できると述べています。 DAPI 染色は低コストで幅広く応用できるため、ChromAgeNet は将来、大量の細胞からのさまざまな薬剤や介入の効果を迅速に評価するためのハイスループット スクリーニング実験に使用されることが期待されています。
チームはまた、ChromAgeNet モデルと関連する 3 次元細胞画像データも公開し、他の研究機関がこれらの結果に基づいて細胞年齢評価技術をさらに改善できることを期待しています。研究者らは、DNA の 3 次元構造には豊富な老化情報が隠されていると考えており、人工知能は科学者が前例のない方法でこれらの信号を読み取るのを支援し、老化プロセスを理解し、潜在的な抗老化治療法を開発するための新たな研究の方向性を切り開いています。
コメント