El envejecimiento remodela casi todos los sistemas del cuerpo, y uno de sus efectos más silenciosos se manifiesta en la sangre. A medida que envejecemos, el sistema hematopoyético —los órganos y tejidos responsables de producir células sanguíneas— se vuelve menos capaz de mantener una producción adecuada de células sanguíneas. Para los investigadores que estudian cómo envejecen las células madre sanguíneas, y cómo su función podría preservarse o restaurarse, ese declive no es solo una curiosidad. Es un problema de medición.
Un equipo liderado por la Dra. Maria Carolina Florian, investigadora del programa de Medicina Regenerativa del Instituto de Investigación Biomédica de Bellvitge (IDIBELL) y profesora de investigación ICREA, y la Dra. Paula Petrone del Barcelona Supercomputing Center — Centro Nacional de Supercomputación (BSC-CNS) y el Instituto de Salud Global de Barcelona (ISGlobal), ha presentado una herramienta diseñada para ayudar a resolverlo. Denominada ChromAgeNet, el sistema utiliza inteligencia artificial para detectar patrones asociados al envejecimiento en imágenes de microscopía de células madre hematopoyéticas mediante el análisis de la organización tridimensional de la cromatina. Los hallazgos se publican en la revista Aging Cell, y el trabajo constituyó una parte central de la tesis doctoral de Pablo Iañez, investigador de ISGlobal.
Qué dice la cromatina sobre una célula
La cromatina es el material dentro del núcleo celular —compuesto principalmente por ADN y proteínas— que empaqueta el ADN y ayuda a regular qué genes están activos. Ese empaquetamiento no es meramente estructural. Debido a que influye en la actividad génica, la organización de la cromatina ayuda a determinar la identidad y la función de una célula, y cambia a medida que las células envejecen.
ChromAgeNet está construida para explotar esa relación directamente. En lugar de depender de un puñado de marcadores moleculares, la herramienta lee la disposición tridimensional de la cromatina dentro de las imágenes nucleares y responde a una pregunta engañosamente simple: ¿este núcleo parece joven o envejecido?
Cómo se entrenó el modelo
Para construir el sistema, los investigadores trabajaron con imágenes tridimensionales de núcleos de células madre hematopoyéticas de ratón que habían sido teñidos con DAPI, una técnica simple y ampliamente utilizada para visualizar el ADN. Posteriormente se entrenó una red neuronal convolucional —una clase de modelo de IA diseñada específicamente para analizar imágenes— para separar células jóvenes de envejecidas basándose únicamente en su apariencia.
- Entrada de imágenes: imágenes de microscopía 3D de núcleos de células madre hematopoyéticas de ratón teñidos con DAPI.
- Tipo de modelo: una red neuronal convolucional adecuada para el análisis de imágenes.
- Tarea: clasificar cada célula como joven o envejecida a partir de la apariencia nuclear.
- Enfoque: la organización tridimensional de la cromatina en lugar de marcadores predefinidos.
Este enfoque es notable porque pide al modelo que aprenda cualquier característica distintiva que exista en las imágenes, en lugar de exigir a los investigadores que las especifiquen de antemano.
Rendimiento: 77 % de precisión y un referente superado
Según los investigadores, ChromAgeNet alcanzó una probabilidad del 77 % de clasificar correctamente las células como jóvenes o envejecidas basándose en la apariencia del núcleo. Ese resultado superó a un modelo de aprendizaje automático construido sobre características de la cromatina que el equipo había definido previamente a mano.
La comparación importa. Sugiere que una red neuronal entrenada puede captar patrones en la arquitectura nuclear que los enfoques convencionales basados en características pasan por alto —información que está presente en las imágenes pero que no capturan las mediciones específicas que los investigadores habían elegido observar.
Detectar lo que el ojo no puede ver
El planteamiento del estudio se centra en un problema familiar en microscopía: los observadores humanos pueden describir un núcleo, pero no pueden clasificar de manera fiable diferencias tridimensionales sutiles en el empaquetamiento de la cromatina como un indicador consistente de la edad. ChromAgeNet es un intento de convertir esas diferencias sutiles en una señal que pueda calcularse repetidamente y a escala.
Si tal señal se sostiene, podría respaldar el estudio del envejecimiento de las células madre sanguíneas de varias maneras. Ofrece una posible lectura para experimentos que evalúan si un tratamiento preserva o restaura la función de las células madre. También podría ayudar a los investigadores a clasificar células que parecen similares bajo el microscopio pero se comportan de manera diferente en la práctica.
Un esfuerzo interdisciplinario
El proyecto reunió experiencia en biología de células madre, envejecimiento, análisis de imágenes e inteligencia artificial —una combinación reflejada en las instituciones participantes. El trabajo fue liderado por investigadores afiliados al programa de Medicina Regenerativa de IDIBELL, el BSC-CNS e ISGlobal, un centro apoyado por la Fundación "la Caixa". El estudio fue revisado por pares, y las imágenes utilizadas en las figuras publicadas fueron acreditadas a la Dra. Eva Mejía de IDIBELL.
Qué establecen y qué no establecen los resultados
Los hallazgos se basan en células madre hematopoyéticas de ratón e imágenes nucleares teñidas con DAPI, y la precisión reportada del 77 % significa que el modelo es informativo más que infalible —se esperaría que aproximadamente una de cada cuatro clasificaciones fuera en sentido contrario. El resumen publicado tampoco describe validación clínica ni uso en pacientes humanos.
Vale la pena tener presentes esos límites. ChromAgeNet se entiende mejor como un instrumento de investigación: una forma de extraer una señal relacionada con el envejecimiento de imágenes que ya son estándar en los laboratorios de células madre, utilizando una técnica de tinción que es económica y rutinaria.
Por qué importa
El interés más amplio radica en el declive gradual del sistema hematopoyético con la edad. Debido a que ese sistema suministra células sanguíneas, su deterioro afecta la inmunidad, el transporte de oxígeno y la coagulación, entre otras funciones. Las herramientas que facilitan la observación del envejecimiento de las células madre sanguíneas podrían ayudar a los investigadores a formular preguntas más precisas sobre qué cambia, cuándo y si alguna intervención altera la trayectoria.
La contribución de ChromAgeNet es tanto metodológica como biológica. Muestra que la arquitectura de la cromatina, capturada en microscopía ordinaria, contiene suficiente información relacionada con la edad para que una red neuronal la detecte —y que este enfoque puede superar a un modelo construido sobre características que los propios científicos habían definido. Si la misma señal puede extenderse a otros tipos de células, otras configuraciones de imagen o muestras humanas sigue siendo una pregunta abierta que el estudio no resuelve.
La conclusión
- Una herramienta de IA llamada ChromAgeNet identifica patrones asociados al envejecimiento en imágenes de células madre hematopoyéticas mediante el análisis de la organización tridimensional de la cromatina.
- El modelo clasificó células madre sanguíneas de ratón como jóvenes o envejecidas con una probabilidad de acierto del 77 %.
- Superó a un modelo de aprendizaje automático basado en características de la cromatina que los investigadores habían definido de antemano.
- El trabajo fue liderado por investigadores de IDIBELL, BSC-CNS e ISGlobal y publicado en Aging Cell.
- El enfoque se basa en la tinción con DAPI y la obtención de imágenes nucleares 3D, técnicas ya comunes en la investigación con células madre.
Este artículo se basa en la cobertura de Medical Xpress. Lea el artículo original.
Originally published on medicalxpress.com
