EN COLABORACIÓN CON FUNDACIÓN ”la Caixa”
Desarrollan una inteligencia artificial capaz de identificar señales de envejecimiento en células madre de la sangre
Contenido creado para una empresa, marca u organización que ha pagado su producción y publicación y que cuentan con su aprobación.
El proyecto podría ayudar a acelerar la búsqueda de tratamientos para combatir el deterioro celular asociado a la edad y es fruto de la colaboración entre el IDIBELL, El BSC y ISGlobal, tres centros de investigación punteros del país.
Las células madre hematopoyéticas son las encargadas de generar todas las células de la sangre y de mantener el correcto funcionamiento del sistema inmunitario. Con los años, estas células pierden progresivamente parte de su funcionalidad, lo que deteriora el sistema hematopoyético.
Este envejecimiento modifica la organización de la cromatina, el conjunto de ADN y proteínas que se encuentra en el núcleo celular. Por eso, comprender su envejecimiento es una de las grandes cuestiones de la medicina regenerativa, ya que su deterioro está relacionado con numerosas alteraciones asociadas a la edad.
Un equipo de investigadores ha desarrollado una inteligencia artificial capaz de identificar señales de envejecimiento en células madre hematopoyéticas. La herramienta se denomina ChromAgeNet, y permite identificar patrones asociados a la edad en imágenes tridimensionales mediante el análisis de la organización de la cromatina.
El trabajo, de título original Deep Learning Predicts Hematopoietic Stem Cell Aging From 3D Chromatin Images, está dirigido por la Dra. Maria Carolina Florian, investigadora del programa de Medicina Regenerativa del Instituto de Investigación Biomédica de Bellvitge (IDIBELL) y profesora ICREA; y por la Dra. Paula Petrone, investigadora del Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC) y del Instituto de Salud Global de Barcelona (ISGlobal), centro impulsado por la Fundación ”la Caixa”.
Además, el trabajo ha sido una parte central de la tesis doctoral de Pablo Iañez, investigador de ISGlobal y becario de la Fundación ”la Caixa”. Los resultados se han publicado en la revista científica internacional de referencia Aging Cell.
Cómo se desarrolló el modelo
Aunque existen diferentes métodos para estimar la edad biológica de los organismos a partir de cambios químicos en el ADN, hasta ahora se había explorado poco el potencial de la organización tridimensional de la cromatina como indicador del envejecimiento celular.
Comprender el envejecimiento de las células madre hematopoyéticas es una de las grandes cuestiones de la medicina regenerativa, ya que su deterioro está relacionado con numerosas alteraciones asociadas a la edad.
La cromatina no solo almacena la información genética. Su disposición espacial determina qué genes permanecen activos y cuáles se silencian, influyendo directamente en la identidad y función de cada célula. Con el envejecimiento, esta arquitectura nuclear experimenta modificaciones sutiles que resultan difíciles de detectar mediante observación convencional.
Para desarrollar el modelo, los investigadores analizaron 1.129 imágenes tridimensionales de núcleos de células madre hematopoyéticas de ratones jóvenes, de entre 10 y 16 semanas de edad, y ratones envejecidos, con más de 80 semanas. Los núcleos se tiñeron con DAPI, un marcador fluorescente ampliamente utilizado para visualizar el ADN en microscopía.
A partir de estas imágenes, los científicos entrenaron una red neuronal convolucional, que es un tipo de modelo de IA diseñado para analizar imágenes, por el que ChromAgeNet aprendió a distinguir células jóvenes de células envejecidas. El sistema analiza diferentes planos bidimensionales de cada núcleo y combina la información obtenida para generar una predicción global sobre su estado asociado a la edad.
Los resultados obtenidos
Basándose en la apariencia del núcleo, el modelo demostró una probabilidad del 77% de distinguir correctamente las células en dos grupos, superando incluso a un modelo de aprendizaje automático basado en características de la cromatina previamente definidas por los investigadores.
ChromAgeNet distingue células jóvenes de células envejecidas analizando diferentes planos bidimensionales de cada núcleo y combina la información obtenida para generar una predicción global sobre su estado.
Además, el análisis tridimensional demostró que, al combinar los distintos planos de cada núcleo, la capacidad predictiva del modelo aumentó de una AUROC —medida estadística utilizada para evaluar la capacidad de clasificación de un sistema— de 0,72 a 0,77, lo que confirma que la disposición espacial del ADN contiene señales relacionadas con el envejecimiento.
Más allá de clasificar células como jóvenes o envejecidas, los investigadores analizaron qué elementos específicos de la cromatina utiliza el algoritmo para realizar sus predicciones. Este análisis identificó, entre otros factores, la entropía de la cromatina, la heterocromatina situada en la periferia del núcleo y determinados condensados de cromatina como características predictivas del estado asociado a la edad.
Estos hallazgos aportan nuevas pistas sobre cómo cambia la arquitectura tridimensional del ADN durante el envejecimiento y podrían complementar otras herramientas y biomarcadores, como los relojes epigenéticos, que estiman la edad biológica a partir de modificaciones químicas del ADN.
Las aplicaciones que puede tener el estudio
El equipo también exploró el potencial de ChromAgeNet como herramienta de cribado de tratamientos capaces de modificar características asociadas al envejecimiento. La utilidad práctica de la herramienta se ve reforzada por el uso de DAPI y por la relativa simplicidad del modelo, que cuenta con alrededor de 350.000 parámetros. Esto podría contribuir en el futuro a estudiar un elevado número de compuestos y acelerar la identificación de candidatos para estrategias de rejuvenecimiento celular.
Como parte del proyecto, los investigadores han puesto a disposición de la comunidad científica tanto el modelo ChromAgeNet como un conjunto de imágenes tridimensionales de células madre hematopoyéticas. Se trata de un recurso especialmente valioso en un ámbito donde todavía existen pocos conjuntos de datos públicos para entrenar y validar nuevas herramientas computacionales.
El estudio permitirá entrenar y validar nuevas herramientas computacionales, lo que podría ayudar a acelerar la búsqueda de tratamientos para combatir el deterioro celular asociado a la edad.
El estudio demuestra que la organización tridimensional del ADN contiene información cuantificable sobre el envejecimiento celular y que la inteligencia artificial puede ayudar a descifrarla. Aunque todavía se trata de una prueba de concepto, ChromAgeNet abre una nueva vía para estudiar el envejecimiento a escala celular e impulsar el desarrollo de estrategias dirigidas a preservar o restaurar la función de las células madre de la sangre, lo que podría ayudar a acelerar la búsqueda de tratamientos para combatir el deterioro celular asociado a la edad.