Des chercheurs barcelonais ont mis au point une IA capable de repérer des marques du vieillissement dans des cellules souches sanguines, invisibles au microscope.
En bref
- Une IA lit des traces du vieillissement cellulaire
- Elle atteint 77 % de bonne classification
- Pas de preuve de rajeunissement fonctionnel
Au microscope, tout ne saute pas aux yeux. C’est précisément là que l’outil mis au point par l’Institut de recherche biomédicale de Bellvitge, le Barcelona Supercomputing Center et l’Institut de santé globale de Barcelone prend son intérêt. Leur IA, baptisée ChromAgeNet, repère dans des cellules des signatures du vieillissement que l’observation classique ne voit pas forcément.
L’étude, publiée dans Aging Cell, se concentre sur des cellules souches hématopoïétiques, celles qui participent à la formation des cellules du sang. Le point clé, ici, n’est pas la cellule entière mais son noyau.
Quand le noyau raconte l’âge de la cellule
ChromAgeNet analyse l’organisation en trois dimensions de la chromatine. Cette matière, constituée surtout d’ADN et de protéines, se trouve dans le noyau et joue un rôle central, puisqu’elle régule quels gènes sont actifs. En clair, elle contribue à définir l’identité et la fonction de la cellule.
Ce que les chercheurs cherchent à capter, ce sont donc des variations fines dans l’architecture nucléaire. Pas mal de choses se jouent là, alors même qu’elles restent discrètes sur une image de microscopie brute.
Un modèle entraîné sur des cellules souches de souris
Pour construire le modèle, l’équipe a utilisé des images 3D de noyaux de cellules souches hématopoïétiques de souris. Ces noyaux avaient été colorés au Dapi, une technique décrite comme simple et largement utilisée pour visualiser l’ADN.
Résultat, l’IA a montré une probabilité de 77 % de classer correctement les cellules en deux groupes, jeunes ou âgées. Et elle a fait mieux qu’un autre modèle d’apprentissage automatique bâti, lui, sur des caractéristiques de la chromatine définies à l’avance par les chercheurs.
Un outil qui complète les autres marqueurs de l’âge
L’intérêt de ChromAgeNet, ce n’est pas seulement de trier. Le modèle permet aussi d’identifier quelles caractéristiques de l’image sont les plus utiles pour distinguer une cellule jeune d’une cellule vieillissante. Bon, dit autrement, il ne donne pas juste une réponse, il indique aussi où regarder.
Cette lecture peut apporter des informations sur l’architecture nucléaire et venir compléter d’autres biomarqueurs de l’âge, comme les horloges épigénétiques, qui estiment l’âge biologique à partir de modifications chimiques de l’ADN.
Des pistes pour tester des interventions, sans promesse de rajeunissement
Les chercheurs ont aussi exploré l’usage de cette IA pour évaluer des traitements susceptibles de modifier des traits associés à l’âge. C’est important, parce que l’outil pourrait servir à mesurer une réponse cellulaire à différentes interventions.
Mais il y a une limite nette. Les travaux ne montrent pas que ces traitements produisent des cellules fonctionnellement rajeunies. Ils suggèrent en revanche que l’IA peut détecter des changements liés à l’âge après intervention. Pour vous, la portée pratique est là, un instrument de mesure plus fin, pas une promesse de thérapie anti-âge.
