人工知能（AI）とも呼ばれる高解像度のイメージングと機械学習の組み合わせは、損傷、老化、または病気から損傷した細胞を追跡できます。
NYU Langone Healthの整形外科手術部門の研究者が率いるこの研究には、人間の老化を再現するために時間の経過とともに濃度の濃度を増加させることで損傷した動物細胞を分析するためのコンピューターシステムを訓練することが含まれていました。環境的または生物学的ストレスに継続的に直面している細胞は、老化することが知られています。つまり、繁殖を停止し、傷害を受けたことを示すテルテール分子の放出を開始します。
ジャーナルに掲載されています 自然コミュニケーション 7月7日のオンラインでは、研究者のAI分析により、細胞のコントロールセンター（その核）に接続されたいくつかの測定可能な特徴が明らかになりました。これは、組織または細胞のグループの老化の程度で密接に追跡された場合です。これには、核が拡大し、より密度の高い中心または病巣があり、循環が少なく、より不規則になっていたという兆候が含まれていました。その遺伝物質は、標準的な化学染料で通常よりも軽く染色されました。
さらなるテストにより、これらの特性を持つ細胞が実際に老化していることが確認され、それらが繁殖を停止し、DNAを損傷し、酵素貯蔵リソソームを密に詰めた兆候を示しています。細胞はまた、既存の老化薬に対する反応を実証しました。
彼らの分析から、研究者は、核の変化した物理的特性を使用して単一の老化スコアを生成して細胞の範囲を説明する核形態計測パイプライン（NMP）と呼ぶものを作成しました。たとえば、完全な老化細胞のグループは、マイナス20からプラス20までのスケールで健康な細胞のクラスターと比較できます。
NMPスコアを検証するために、研究者は、3ヶ月から2年以上にわたって、健康なマウス細胞と若いマウスから若いマウスから高齢のマウスを正確に区別できることを示しました。古いセルクラスターは、若いセルクラスターよりもNMPスコアが大幅に低かった。
研究者はまた、修復を受けたときに損傷した筋肉組織の異なる年齢のマウスの5種類の細胞に関するNMPツールをテストしました。 NMPは、若い、成人、老年マウスの老化および非栄養間葉系幹細胞、筋肉幹細胞、内皮細胞、および免疫細胞のレベルの変化と密接に追跡することがわかった。たとえば、NMPの使用は、老化した筋肉幹細胞が負傷していない対照マウスには存在しないことを確認することができましたが、組織が再生されると徐々に喪失して、筋肉損傷の直後に負傷したマウスに大量に存在します（修復を開始するとき）。
最終検査により、NMPは、若い健康なマウスよりも変形性関節症の老人マウスで10倍の一般的な健康と老い軟骨細胞をうまく区別できることが示されました。変形性関節症は、年齢とともに徐々に悪化することが知られています。
私たちの研究は、特定の核形態計測が老化細胞を特定して追跡するための信頼できるツールとして役立つことを実証しています。これは、組織の再生、老化、進行性疾患の将来の研究と理解の鍵であると考えています。」
Michael N. Wosczyna博士、研究上級調査員
Wosczyna博士は、NYU Grossman School of Medicineの整形外科学部の助教授です。
Wosczyna博士は、彼のチームの研究では、すべての年齢および異なる組織タイプの老化細胞の研究のためのNMPの幅広いアプリケーション、およびさまざまな疾患によると述べています。
彼は、チームがヒト組織でのNMPの使用を調べるためのさらなる実験を計画し、NMPと他のバイオマーカーツールと老化、創傷修復、老化、病気におけるそのさまざまな役割を調べることを組み合わせることを計画していると言います。
研究者は、NYUが特許出願を提出したNMPの最終的な目標は、それを使用して、老化の老化の悪影響を予防または逆転させる治療を開発することだと言います。
「当社のテストプラットフォームは、老化細胞を研究する前よりも簡単に簡単に提供し、さまざまな組織や病理におけるこれらの細胞を標的とする治療薬の有効性をテストするための厳密な方法を提供します」と、NMPを他の研究者が自由に利用できるようにすることを計画しているWosczyna博士は述べています。
「老化細胞を識別する既存の方法は使用が困難であり、核の形態計測パイプラインまたはNMPよりも信頼性が低くなります。これは、核により一般的に使用される染色に依存しています」 Mapkarは、NYU Tandon School of Engineeringの博士候補者です。
この研究のための資金は、国立衛生研究所助成金R01AG053438およびNYUランゴーンの整形外科手術局によって提供されました。
Wosczyna博士とMapkar博士に加えて、この研究に関与したNyu Langoneの研究者は、共同リードの調査員であるSarah BlissとEdgar Perez Carbajalと研究者の共同研究者であるSean Murray、Zhiru Li、Anna Wilson、Vikrant Piprode、Youjin Lee、Thorsten Kirsch、Katerina Petroff、およびFengyuaniです。
ソース：
ジャーナルリファレンス：
Mapkar、SA、 et al。 （2025）。機械学習と相まって核形態計測は、年齢にわたる老化の動的な状態を特定します。 自然コミュニケーション。 doi.org/10.1038/S41467-025-60975-Z。
1752001683
#人工知能は高解像度のイメージングを介して老化および損傷した細胞を追跡します
2025-07-08 19:02:00