Речь идёт о гемопоэтических стволовых клетках (ГСК) — тех самых «прародителях» всей нашей крови. Они живут в костном мозге и всю жизнь производят эритроциты, лейкоциты и тромбоциты. С возрастом их работа ухудшается: кроветворная система стареет, а вместе с ней растёт риск болезней крови и иммунных нарушений.
Учёные давно знают, что при старении меняется не только «начинка» клетки, но и её ядро — трёхмерная упаковка ДНК внутри него. Однако до сих пор не было инструмента, который позволял бы оценивать эти изменения количественно и при этом оставался бы понятным для человека.
Как работает ChromAgeNet?
Исследователи сделали ставку на изображения. Они взяли 1229 трёхмерных конфокальных снимков ядер ГСК от молодых (10–16 недель) и старых (старше 80 недель) мышей. Ядра были окрашены DAPI — это дешёвый и распространённый краситель, который связывается с ДНК и светится под микроскопом.
Затем они обучили нейросеть различать молодые и старые клетки по рисунку хроматина. Алгоритм получил название ChromAgeNet. На выходе он выдаёт так называемый «балл молодости» — вероятность того, что перед нами ядро молодой клетки.
Точность модели оценили по площади под ROC-кривой (AUROC). На уровне отдельных срезов она составила 0,72, а после агрегации предсказаний по всему трёхмерному объёму ядра выросла до 0,77. Для сравнения: классические модели машинного обучения, обученные на «ручных» признаках хроматина, показали результат 0,73. То есть нейросеть, работающая с «сырыми» изображениями, оказалась точнее.
Учёные специально проверили, не «подглядывает» ли модель за техническими параметрами — например, за яркостью снимков или шумом. Оказалось, что ChromAgeNet почти не зависит от них и ориентируется именно на биологические изменения.
Что именно «видит» алгоритм?
Самая интригующая часть исследования — попытка понять, на что смотрит нейросеть, принимая решение.
Выяснилось, что в молодых клетках модель обращает внимание на ядерную оболочку, ядрышки и инвагинации — складки ядерной мембраны. А в старых — на крупные плотные сгустки хроматина и размытый сигнал вдоль оболочки.
Это согласуется с тем, что известно биологам: при старении периферический гетерохроматин теряет связь с ядерной ламиной, «отклеивается» от оболочки и меняет своё распределение. Проще говоря, ядро стареющей клетки выглядит менее организованным — и ChromAgeNet это улавливает.
Среди «ручных» признаков, которые оказались наиболее информативными, — энтропия текстуры и неоднородность размеров зон. У старых клеток эти показатели выше, что говорит о большей хаотичности хроматина.
Проверка на «омолаживающих» препаратах
Учёные пошли дальше и проверили, может ли ChromAgeNet замечать эффект лекарств. Они обработали старые ГСК различными ингибиторами.
Результат оказался обнадёживающим. Если у необработанных старых клеток средний «балл молодости» составлял 0,34, то после обработки он вырос до 0,56 и 0,55 — почти как у молодых клеток (0,55).
Почему это важно?
Старение гемопоэтических стволовых клеток — одна из ключевых причин возрастных болезней крови и ослабления иммунитета. Но до сих пор не было удобного способа измерять этот процесс на уровне отдельных клеток.
ChromAgeNet предлагает решение: он не требует сложных молекулярных анализов, работает с обычными микроскопическими снимками и при этом даёт интерпретируемый результат. По сути, это новый тип «часов старения», основанный не на ДНК-метилировании, а на пространственной организации хроматина.
Авторы подчёркивают, что метод — первый в своём роде. Раньше никто не пытался моделировать старение стволовых клеток по трёхмерным изображениям ядер. И хотя работа выполнена на мышах, исследователи надеются, что подход можно будет адаптировать и для человека.
Учёные выложили датасет и код модели в открытый доступ — чтобы другие лаборатории могли проверить результаты и развить метод. А значит, следующий шаг в изучении старения клеток может быть сделан уже кем-то другим.
