Nouvelle Technique Assistée par l’IA pour Mesurer et Suivre les Cellules Vieillissantes

Technique Assistée par l'Intelligence Artificielle pour Mesurer et Suivre les Cellules Vieillissantes Une nouvelle étude montre qu'une combinaison de microscopie à haute résolution et d'apprentissage automatique (intelligently artificielle ou IA) peut suivre les cellules endommagées par des blessures, le vieillissement ou des maladies, qui ne grandissent plus ou ne se reproduisent normalement. Ces cellules vieillissantes, appelées aussi cellules sénescents, jouent un rôle crucial dans la cicatrisation des plaies et les maladies liées au vieillissement, comme le cancer et les maladies cardiaques. Le suivi de leur progression permettrait de mieux comprendre comment les tissus perdent progressivement leur capacité de régénération ou comment ils contribuent à la propagation des maladies. Lors de cette étude dirigée par des chercheurs du département de chirurgie orthopédique de l'NYU Langone Health, un système informatique a été formé pour analyser les cellules animales endommagées par des concentrations croissantes de produits chimiques, simulant ainsi le vieillissement humain. Les cellules exposées constamment aux stress environnementaux ou biologiques finissent par devenir sénescents, c'est-à-dire qu'elles cessent de se reproduire et commencent à produire des molécules caractéristiques de lésions. Les analyses par IA ont permis aux chercheurs de repérer plusieurs caractéristiques mesurables associées au noyau cellulaire, le centre de contrôle de la cellule. Lorsqu'associées, ces caractéristiques indiquaient étroitement le degré de sénescence du tissu ou du groupe de cellules. Elles comprenaient notamment une expansion du noyau, des centres plus denses, une forme moins circulaire et plus irrégulière, ainsi qu'une coloration plus claire avec des colorants chimiques standards. L'équipe a créé ce qu'elle nomme une pipeline morphométrique nucléaire (NMP), qui utilise les modifications physiques du noyau pour générer un score unique de sénescence, décrivant une gamme de cellules. Par exemple, on pourrait comparer des groupes de cellules pleinement sénescents à des groupes de cellules saines sur une échelle allant de -20 à +20. Des tests ultérieurs ont confirmé que l'NMP pouvait distinguer précisément entre les cellules saines et les cellules malades chez des souris âgées de 3 mois à plus de 2 ans. Les clusters cellulaires des souris les plus âgées avaient des scores NMP significativement plus bas que ceux des souris plus jeunes. Les chercheurs ont également appliqué l'outil NMP à cinq types de cellules chez des souris de différents âges ayant subi des blessures musculaires. L'NMP a été capable de suivre de près les niveaux changeants de cellules sénescents et non sénescents, notamment les cellules souches mésenchymateuses, les cellules souches musculaires, les cellules endothéliales et les cellules immunitaires, chez des souris jeunes, adultes et geriatriques. Par exemple, l'NMP a confirmé que les cellules souches musculaires sénescents étaient absentes chez les souris contrôles non blessées mais présentes en grand nombre chez les souris blessées immédiatement après une blessure musculaire, aidant à initier la réparation, avant de disparaître progressivement à mesure que le tissu se régénère. Les tests finaux ont montré que l'NMP pouvait également différencier avec succès les cellules de cartilage saines des cellules sénescents. Ces dernières étaient 10 fois plus fréquentes chez les souris âgées atteintes d'ostéoarthrite que chez les souris plus jeunes et en bonne santé. L'ostéoarthrite se détériore progressivement avec l'âge, et l'identification de ces cellules sénescents est cruciale pour la compréhension et le traitement de cette condition. Potentiel de l'NMP dans les Recherches et les Traitements Selon Michael Wosczyna, Ph.D., chercheur principal de l'étude et professeur adjoint au département de chirurgie orthopédique de l'NYU Grossman School of Medicine, cette étude démontre que des mesures morphométriques nucléaires spécifiques peuvent servir de moyen de confiance pour identifier et suivre les cellules sénescents. Cela représente une avancée majeure pour la recherche future et la compréhension des processus de régénération tissulaire, du vieillissement et des maladies progressives. Wosczyna souligne que l'NMP s'applique à l'étude des cellules sénescents à tous les âges et dans divers types de tissus et maladies. Son équipe prévoit des expérimentations supplémentaires pour examiner l'usage de l'NMP sur des tissus humains et combiner l'outil NMP avec d'autres outils de biomarqueurs pour étudier la sénescence et ses rôles variés dans la réparation des plaies, le vieillissement et les maladies. Le cochercheur Sahil Mapkar, BS, doctorant à l'NYU Tandon School of Engineering, ajoute que l'NMP offre une méthode plus rigoureuse et plus facile pour étudier les cellules sénescents et évaluer l'efficacité des thérapeutiques visant ces cellules, telles que les sénolytiques. Ces méthodes existantes sont souvent difficiles à utiliser, rendant l'NMP plus fiable grâce à son utilisation d'un colorant nucléaire plus couramment employé. Profil de l'Équipe et Perspectives L'étude a été menée par une équipe de chercheurs de l'NYU Langone, incluant Sarah Bliss et Edgar Perez Carbajal en tant que cochercheurs principaux, et Sean Murray, Zhiru Li, Anna Wilson, Vikrant Piprode, Youjin Lee, Thorsten Kirsch, Katerina Petroff, et Fengyuan Liu comme cochercheurs. L'université New York University (NYU) a déposé une demande de brevet pour l'NMP, dont l'objectif ultime est de développer des traitements prévenant ou inversant les effets négatifs de la sénescence sur la santé humaine. Cette plateforme de test facilite l'étude des cellules sénescents et permettra de tester l'efficacité de traitements ciblant ces cellules dans différentes pathologies et types de tissus. Les chercheurs prévoient de rendre l'NMP librement disponible pour d'autres chercheurs, favorisant ainsi une collaboration et une avancée plus rapide dans ce domaine prometteur de la recherche médicale.