摘要：
研究人员开发出一套名为ChromAgeNet的人工智能系统，能够从普通显微镜获取的三维细胞图像中识别隐藏在DNA结构中的衰老特征，为血液干细胞老化研究以及未来寻找延缓衰老方法提供了全新工具。
随着年龄增长，人体制造血细胞的能力会逐渐下降，这一变化与造血系统功能减退密切相关。造血干细胞负责产生红细胞、白细胞和血小板等各种血液成分，但这些细胞在衰老过程中发生的内部变化往往极其细微，即使利用显微镜观察也难以直接发现。
为解决这一问题，来自西班牙贝尔维特生物医学研究所、巴塞罗那超级计算中心以及巴塞罗那全球健康研究所的研究团队联合开发了ChromAgeNet。该系统通过分析细胞核的三维图像，研究DNA在细胞核内部的空间组织方式，从而寻找与衰老相关的隐蔽特征。
在发表于《Aging Cell》期刊的研究中，科学家利用小鼠造血干细胞进行验证。结果显示，ChromAgeNet能够以约77%的准确率区分年轻细胞与衰老细胞，其表现优于此前依赖人工设定特征的传统机器学习模型。
研究团队指出，在细胞核内部，DNA并非以简单线性形式存在，而是与蛋白质共同组成被称为染色质的复杂结构。染色质的排列方式会影响哪些基因被激活，进而决定细胞的身份与功能。随着年龄增长，这种三维结构会逐渐发生变化，但这些变化往往难以通过肉眼观察发现。
为了训练人工智能模型，研究人员首先使用常见荧光染料DAPI标记DNA，然后获取细胞核的三维显微图像。神经网络随后从大量样本中学习年轻细胞与衰老细胞之间存在的细微差异，并建立判断模型。
进一步分析发现，ChromAgeNet关注的并非细胞大小或形状等传统指标，而是染色质在空间中的组织复杂度、细胞核边缘附近异染色质的分布情况，以及部分高密度染色质凝聚区域等细节。这些过去难以量化的结构特征，可能蕴含着与细胞年龄密切相关的重要信息。
研究人员还进行了概念验证实验。他们对衰老造血干细胞施加不同类型的表观遗传药物处理，然后利用ChromAgeNet分析药物是否改变了DNA组织模式，并让其呈现出更接近年轻细胞的结构特征。
结果显示，该工具确实能够检测到药物处理后出现的结构变化，并判断部分细胞是否向“年轻化特征”方向发生转变。不过研究团队强调，这并不意味着这些药物已经真正让细胞恢复年轻状态，也不能证明细胞功能已经得到恢复。当前结果仅说明人工智能能够识别与年龄相关的结构变化及其对干预措施的响应。
研究人员表示，这项技术未来可与表观遗传时钟等其他生物年龄评估工具结合使用，为研究衰老机制提供更加全面的信息。由于DAPI染色成本低、应用广泛，ChromAgeNet未来还有望用于高通量筛选实验，从海量细胞中快速评估不同药物和干预措施的效果。
团队同时公开了ChromAgeNet模型及相关三维细胞图像数据，希望其他研究机构能够基于这些成果进一步改进细胞年龄评估技术。研究人员认为，DNA三维结构中隐藏着丰富的衰老信息，而人工智能正帮助科学家以前所未有的方式读取这些信号，为理解衰老过程和开发潜在抗衰老疗法开辟新的研究方向。
评论