El envejecimiento no solo se nota en la piel o en los huesos. También deteriora, de forma progresiva y silenciosa, la capacidad del sistema hematopoyético —el conjunto de órganos y tejidos encargados de fabricar las células de la sangre— para mantener una producción adecuada de glóbulos rojos, blancos y plaquetas. Comprender cómo envejecen las células madre hematopoyéticas es clave para buscar estrategias que preserven o recuperen su función. Un equipo internacional acaba de dar un paso en esa dirección con ChromAgeNet, una herramienta de inteligencia artificial capaz de detectar patrones de envejecimiento en imágenes de microscopía que el ojo humano apenas distingue.
El trabajo, liderado por el Instituto de Investigación Biomédica de Bellvitge (IDIBELL), el Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC) y el Instituto de Salud Global de Barcelona (ISGlobal), se ha publicado en la revista Aging Cell. El primer autor es el investigador Pablo Iáñez Picazo (ISGlobal). Dirigen el estudio Maria Carolina Florian (IDIBELL) y Paula Petrone (BSC).
ChromAgeNet se basa en el análisis de la organización tridimensional de la cromatina, el material formado por ADN y proteínas que empaqueta el genoma dentro del núcleo y regula qué genes están activos. Esa arquitectura nuclear determina, en última instancia, la identidad y la función de la célula.
Los investigadores entrenaron una red neuronal convolucional —un tipo de modelo de inteligencia artificial especializado en el análisis de imágenes— con imágenes tridimensionales de núcleos de células madre hematopoyéticas de ratón teñidas con DAPI, una tinción sencilla, barata y muy utilizada para visualizar el ADN. El modelo aprendió a distinguir células jóvenes de células envejecidas basándose únicamente en la apariencia del núcleo.
El resultado: ChromAgeNet alcanzó una probabilidad del 77 % de clasificar correctamente las células en los dos grupos, superando incluso a un modelo de aprendizaje automático que utilizaba características de la cromatina definidas de antemano por los científicos.
Uno de los hallazgos más relevantes es que las diferencias asociadas al envejecimiento no son necesariamente visibles a simple vista. El envejecimiento de las células madre es un proceso heterogéneo y los cambios en la arquitectura nuclear pueden ser extremadamente sutiles. ChromAgeNet, sin embargo, identifica combinaciones de características espaciales de la cromatina que contienen información sobre el estado de envejecimiento.
Al analizar qué elementos de la imagen eran más decisivos para el modelo, los investigadores identificaron, entre otros, la entropía de la cromatina, la heterocromatina situada en la periferia del núcleo y determinados condensados de cromatina. Conocer estas pistas permite ir más allá de una simple clasificación “joven/envejecida” y aporta información biológica sobre cómo se reorganiza el genoma con la edad. Esta aproximación puede complementar otros biomarcadores, como los relojes epigenéticos basados en la metilación del ADN.
El equipo también exploró el potencial de ChromAgeNet como sistema de cribado de tratamientos. Como prueba de concepto, aplicaron el modelo a células madre hematopoyéticas envejecidas tratadas con diferentes fármacos epigenéticos. El objetivo era comprobar si estos compuestos producían cambios en la organización de la cromatina compatibles con un estado más joven.
Los resultados no demuestran que las células se hayan rejuvenecido funcionalmente, pero sí muestran que la herramienta puede detectar cambios asociados al envejecimiento en respuesta a intervenciones. Combinada con la tinción DAPI (de bajo coste y fácil de incorporar a protocolos estándar) y con un modelo de pocos parámetros, ChromAgeNet se perfila como candidata para su uso en microscopía de alto rendimiento, lo que facilitaría el análisis de grandes bibliotecas de compuestos y aceleraría la identificación de candidatos para estrategias de rejuvenecimiento celular.
DATOS ABIERTOS
Como parte del estudio, los investigadores han liberado un conjunto de datos de imágenes tridimensionales de células madre hematopoyéticas junto con el propio modelo ChromAgeNet. Se trata de un recurso especialmente valioso: existen muy pocos conjuntos de datos de imagen públicos centrados en el envejecimiento de estas células, lo que dificulta el desarrollo y la validación de nuevas herramientas computacionales.
