Le vieillissement remodèle presque tous les systèmes de l'organisme, et l'un de ses effets les plus discrets se manifeste dans le sang. Avec l'âge, le système hématopoïétique — les organes et tissus responsables de la production des cellules sanguines — devient moins capable de maintenir une production adéquate de cellules sanguines. Pour les chercheurs qui étudient le vieillissement des cellules souches sanguines, et la manière dont leur fonction pourrait être préservée ou restaurée, ce déclin n'est pas qu'une curiosité. C'est un problème de mesure.
Une équipe dirigée par la Dre Maria Carolina Florian, chercheuse dans le programme de médecine régénérative de l'Institut de recherche biomédicale de Bellvitge (IDIBELL) et professeure de recherche ICREA, et la Dre Paula Petrone du Barcelona Supercomputing Center — Centro Nacional de Supercomputación (BSC-CNS) et de l'Institut de santé mondiale de Barcelone (ISGlobal), a présenté un outil conçu pour aider à le résoudre. Nommé ChromAgeNet, le système utilise l'intelligence artificielle pour détecter les motifs associés au vieillissement dans les images de microscopie de cellules souches hématopoïétiques en analysant l'organisation tridimensionnelle de la chromatine. Les résultats sont publiés dans la revue Aging Cell, et ces travaux ont constitué une partie centrale de la thèse doctorale de Pablo Iañez, chercheur à ISGlobal.
Ce que la chromatine dit d'une cellule
La chromatine est le matériel situé à l'intérieur du noyau cellulaire — composé principalement d'ADN et de protéines — qui empaquette l'ADN et aide à réguler quels gènes sont actifs. Cet empaquetage n'est pas seulement structurel. Parce qu'il influence l'activité des gènes, l'organisation de la chromatine aide à déterminer l'identité et la fonction d'une cellule, et elle évolue à mesure que les cellules vieillissent.
ChromAgeNet est conçu pour exploiter directement cette relation. Au lieu de s'appuyer sur une poignée de marqueurs moléculaires, l'outil lit l'agencement tridimensionnel de la chromatine à l'intérieur des images nucléaires et répond à une question d'une simplicité trompeuse : ce noyau semble-t-il jeune ou âgé ?
Comment le modèle a été entraîné
Pour construire le système, les chercheurs ont travaillé avec des images tridimensionnelles de noyaux de cellules souches hématopoïétiques de souris colorés au DAPI, une technique simple et largement utilisée pour visualiser l'ADN. Un réseau neuronal convolutif — une classe de modèle d'IA conçue spécifiquement pour analyser des images — a ensuite été entraîné à distinguer les cellules jeunes des cellules âgées sur la seule base de leur apparence.
- Entrée d'imagerie : images de microscopie 3D de noyaux de cellules souches hématopoïétiques de souris colorés au DAPI.
- Type de modèle : un réseau neuronal convolutif adapté à l'analyse d'images.
- Tâche : classer chaque cellule comme jeune ou âgée à partir de l'apparence du noyau.
- Objectif : l'organisation tridimensionnelle de la chromatine plutôt que des marqueurs prédéfinis.
Cette approche est remarquable parce qu'elle demande au modèle d'apprendre quels que soient les traits distinctifs présents dans les images, plutôt que d'exiger des chercheurs qu'ils les spécifient à l'avance.
Performance : 77 % de précision et un repère surpassé
Selon les chercheurs, ChromAgeNet a atteint une probabilité de 77 % de classer correctement les cellules comme jeunes ou âgées en fonction de l'apparence du noyau. Ce résultat a surpassé un modèle d'apprentissage automatique construit sur des caractéristiques de la chromatine que l'équipe avait précédemment définies manuellement.
La comparaison compte. Elle suggère qu'un réseau neuronal entraîné peut repérer des motifs dans l'architecture nucléaire que les approches conventionnelles, fondées sur des caractéristiques, manquent — des informations présentes dans les images mais non capturées par les mesures spécifiques que les chercheurs avaient choisi d'examiner.
Détecter ce que l'œil ne peut voir
Le cadre de l'étude est centré sur un problème familier en microscopie : les observateurs humains peuvent décrire un noyau, mais ils ne peuvent pas classer de manière fiable des différences subtiles et tridimensionnelles dans l'empaquetage de la chromatine comme un indicateur cohérent de l'âge. ChromAgeNet est une tentative de transformer ces différences subtiles en un signal qui peut être calculé de manière répétée et à grande échelle.
Si un tel signal se confirme, il pourrait soutenir l'étude du vieillissement des cellules souches sanguines de plusieurs manières. Il offre une lecture potentielle pour les expériences qui testent si un traitement préserve ou restaure la fonction des cellules souches. Il pourrait aussi aider les chercheurs à trier des cellules qui semblent similaires au microscope mais se comportent différemment en pratique.
Un effort interdisciplinaire
Le projet a réuni des expertises en biologie des cellules souches, vieillissement, analyse d'images et intelligence artificielle — une combinaison reflétée par les institutions impliquées. Les travaux ont été dirigés par des chercheurs affiliés au programme de médecine régénérative de l'IDIBELL, au BSC-CNS et à ISGlobal, un centre soutenu par la Fondation « la Caixa ». L'étude a été évaluée par des pairs, et l'imagerie utilisée dans les figures publiées a été créditée à la Dre Eva Mejía de l'IDIBELL.
Ce que les résultats établissent et n'établissent pas
Les résultats reposent sur des cellules souches hématopoïétiques de souris et des images nucléaires colorées au DAPI, et la précision rapportée de 77 % signifie que le modèle est informatif plutôt qu'infaillible — environ une classification sur quatre serait attendue dans l'autre sens. Le résumé publié ne décrit pas non plus de validation clinique ni d'utilisation chez des patients humains.
Ces limites méritent d'être gardées à l'esprit. ChromAgeNet se comprend mieux comme un instrument de recherche : un moyen d'extraire un signal lié au vieillissement à partir d'images déjà standard dans les laboratoires de cellules souches, en utilisant une technique de coloration peu coûteuse et courante.
Pourquoi c'est important
Les enjeux plus larges résident dans le déclin progressif du système hématopoïétique avec l'âge. Parce que ce système fournit les cellules sanguines, sa détérioration touche l'immunité, le transport de l'oxygène et la coagulation, entre autres fonctions. Des outils qui rendent le vieillissement des cellules souches sanguines plus facile à observer pourraient aider les chercheurs à poser des questions plus précises sur ce qui change, quand, et si une intervention modifie la trajectoire.
La contribution de ChromAgeNet est méthodologique autant que biologique. Il montre que l'architecture de la chromatine, capturée en microscopie ordinaire, porte suffisamment d'informations liées à l'âge pour qu'un réseau neuronal les détecte — et que cette approche peut surpasser un modèle construit sur des caractéristiques que les scientifiques avaient eux-mêmes définies. Savoir si le même signal peut être étendu à d'autres types de cellules, d'autres configurations d'imagerie ou des échantillons humains reste une question ouverte que l'étude ne tranche pas.
À retenir
- Un outil d'IA appelé ChromAgeNet identifie les motifs associés au vieillissement dans les images de cellules souches hématopoïétiques en analysant l'organisation 3D de la chromatine.
- Le modèle a classé des cellules souches sanguines de souris comme jeunes ou âgées avec une probabilité de 77 % d'être correct.
- Il a surpassé un modèle d'apprentissage automatique fondé sur des caractéristiques de la chromatine que les chercheurs avaient définies à l'avance.
- Les travaux ont été dirigés par des chercheurs de l'IDIBELL, du BSC-CNS et d'ISGlobal et publiés dans Aging Cell.
- L'approche repose sur la coloration au DAPI et l'imagerie nucléaire 3D, des techniques déjà courantes dans la recherche sur les cellules souches.
Cet article est basé sur un reportage de Medical Xpress. Lire l'article original.
Originally published on medicalxpress.com
