AI-Technik misst und verfolgt alternde Zellen

Eine neue Studie zeigt, dass eine Kombination aus hochauflösendem Bildgebung und maschinellem Lernen, auch als künstliche Intelligenz (KI) bekannt, es ermöglicht, verletzte, alternde oder durch Krankheiten geschädigte Zellen zu messen und zu verfolgen. Diese seneszenten Zellen spielen eine wichtige Rolle bei Wundheilung und altersbedingten Krankheiten wie Krebs und Herzkrankheiten. Das Verfolgen ihrer Entwicklung kann dazu führen, dass wir besser verstehen, wie Gewebe im Laufe der Zeit ihre Regenerationsfähigkeit verlieren oder wie sie Krankheiten fördern. Das Werkzeug könnte auch Einblicke in Therapien geben, die den Schaden umkehren können. Die Forscher am NYU Langone Health Department of Orthopedic Surgery trainierten ein Computersystem, um Tierzellen zu analysieren, die durch steigende Konzentrationen von Chemikalien über einen längeren Zeitraum hinweg geschädigt wurden, um menschliches Altern zu simulieren. Zellen, die kontinuierlich mit Umwelt- oder biologischem Stress konfrontiert sind, gehen in den Senescenz, was bedeutet, dass sie aufhören zu wachsen und sich zu teilen und beginnen, charakteristische Moleküle abzugeben, die Schäden anzeigen. In der Online-Ausgabe des Journals Nature Communications vom 7. Juli wurde berichtet, dass die KI-Analyse mehrere messbare Merkmale des Zellkerns identifiziert hat, die in starkem Zusammenhang mit dem Grad der Senescenz standen. Dazu gehörten ein vergrößerter Zellkern, dichtere Zentren oder Fokuspunkte sowie eine weniger runde und mehr unregelmäßige Form. Das genetische Material färbte sich auch heller als normal mit Standardchemikalien. Weitere Tests bestätigten, dass Zellen mit diesen Merkmalen tatsächlich seneszent waren. Sie zeigten Anzeichen dafür, dass sie aufgehört hatten sich zu teilen, genetischen Schaden aufwiesen und dicht gepackte Enzymspeicher (Lysosomen) enthielten. Zudem reagierten die Zellen auf bestehende Senolytika, Medikamente, die seneszenten Zellen abtöten. Daraus entwickelten die Forscher das sogenannte Nuklearmorphometrische Pipeline (NMP), das die veränderten physikalischen Merkmale des Zellkerns nutzt, um einen einzigen Senescenz-Score für eine Reihe von Zellen zu erzeugen. Dieser Score reicht von minus 20 bis plus 20 und ermöglicht es, vollständig seneszenten Zellen mit gesunden Zellen zu vergleichen. Um die NMP zu validieren, zeigten die Forscher, dass sie zwischen gesunden und erkrankten Mauszellen von jungen bis alten Mäusen, die drei Monate bis mehr als zwei Jahre alt waren, genau unterscheiden konnte. Ältere Zellclustern erzielten signifikant niedrigere NMP-Scores als jüngere Clustern. Das NMP-Werkzeug wurde auch auf fünf Arten von Zellen in Mäusen unterschiedlichen Alters getestet, die verletztes Muskelgewebe während des Reparaturprozesses hatten. Die NMP stellte eine enge Korrelation mit den sich ändernden Senescenz- und Nicht-Senescenz-Niveaus von mesenchymalen Stammzellen, Muskelstammzellen, Endothelzellen und Immunzellen in jungen, erwachsenen und geriatrischen Mäusen fest. Zum Beispiel konnte die NMP bestätigen, dass seneszenten Muskelstammzellen in Kontrollmäusen, die nicht verletzt waren, fehlten, aber in großen Zahlen in verletzten Mäusen direkt nach einem Muskelverletzung vorhanden waren. Diese Zellen helfen beim Start der Reparatur, gehen aber allmählich verloren, während das Gewebe regeneriert. Schließlich zeigten die Tests, dass die NMP erfolgreich zwischen gesunden und seneszenten Knorpelzellen unterscheiden konnte. In geriatrischen Mäusen mit Arthritis waren diese Zellen zehnmal häufiger als in jüngeren, gesunden Mäusen. Arthritis verschlimmert bekanntermaßen mit dem Alter. "Unsere Studie zeigt, dass spezifische nukleare Morphometrie ein verlässliches Werkzeug zur Identifizierung und Verfolgung von seneszenten Zellen ist, was für die zukünftige Forschung und das Verständnis von Gewebereneration, Alterung und fortschreitenden Krankheiten entscheidend ist," sagte der leitende Investigator der Studie, Dr. Michael Wosczyna. Wosczyna ist Assistenzprofessor am Department of Orthopedic Surgery der NYU Grossman School of Medicine. Wosczyna betont, dass die Studie die breite Anwendbarkeit der NMP für die Untersuchung von seneszenten Zellen in allen Altersgruppen und verschiedenen Gewebetypen bestätigt. Das Team plant weitere Experimente, um die NMP in menschlichem Gewebe zu testen und sie mit anderen Biomarker-Tools zu kombinieren, um die verschiedenen Rollen der Senescenz bei Wundheilung, Alterung und Krankheiten zu untersuchen. Das endgültige Ziel des Teams, für das NYU eine Patentanmeldung eingereicht hat, ist es, die NMP zur Entwicklung von Therapien zu nutzen, die die negativen Auswirkungen der Senescenz auf die menschliche Gesundheit verhindern oder umkehren können. "Unsere Testplattform bietet eine strenge Methode, um seneszenten Zellen leichter als bisher zu studieren und die Wirksamkeit von Therapeutika, wie Senolytika, bei der Zielsetzung dieser Zellen in verschiedenen Geweben und Pathologien zu testen," sagte Wosczyna, der vorhat, die NMP anderen Forschern kostenlos zur Verfügung zu stellen. "Bestehende Methoden zur Identifizierung von seneszenten Zellen sind schwierig zu handhaben und weniger zuverlässig als die Nuklearmorphometrische Pipeline (NMP), die auf einer weit verbreiteten Färbung für den Zellkern basiert," sagte der Co-Lead-Investigator der Studie, Sahil Mapkar, B.S. Mapkar ist Doktorand an der NYU Tandon School of Engineering. Zusammenfassend ist die NMP ein vielversprechendes Werkzeug, das die Forschung zum Altern und zur Gewebereneration vorantreiben kann. Es vereinfacht die Identifizierung und Analyse von seneszenten Zellen und bietet eine robuste Basis für die Entwicklung neuer Therapien, die das menschliche Altern positiv beeinflussen könnten. Die breite Anwendungsmöglichkeit und die Freigabe des Tools könnten zukünftige Forschungsprojekte erheblich unterstützen.