Hi ha aspectes de la biologia que resulten especialment difícils d'observar. L'envelliment de les cèl·lules mare n'és un. Es tracta d'un procés gradual, heterogeni, en què els canvis es produeixen de manera tan subtil que sovint passen desapercebuts fins i tot per als microscopis més potents. Ara, un equip d'investigadors catalans ha demostrat que la intel·ligència artificial pot ser una aliada valuosa per detectar aquests canvis abans que siguin evidents. Un estudi impulsat per l'IDIBELL, el Barcelona Supercomputing Center i l'Institut de Salut Global de Barcelona ha presentat una eina basada en IA que és capaç d'identificar patrons associats a l'envelliment en cèl·lules mare sanguínies a partir d'imatges del seu nucli. Per entendre com funciona aquesta eina, cal fixar-se en un element concret: la cromatina.
Es tracta del material format principalment per ADN i proteïnes que es troba dins del nucli cel·lular. La seva funció és doble: d'una banda, empaqueta l'ADN perquè s'introdueixi dins d'un espai tan reduït; de l'altra, regula quins gens estan actius i quins no. En última instància, la manera com s'organitza la cromatina determina la identitat i la funció de cada cèl·lula. El que han descobert els investigadors és que l'organització tridimensional d'aquesta cromatina canvia amb l'edat, i que aquests canvis, tot i ser subtils, segueixen patrons que una xarxa neuronal pot aprendre a reconèixer.
Com es va entrenar el model
Per desenvolupar l'eina, els investigadors van analitzar imatges tridimensionals de nuclis de cèl·lules mare hematopoètiques de ratolí. Aquestes imatges es van tenyir amb DAPI, una tècnica senzilla i àmpliament utilitzada per visualitzar ADN. A partir d'aquí, van utilitzar una xarxa neuronal convolucional, un tipus de model d'IA dissenyat específicament per analitzar imatges. L'eina, batejada com a ChromAgeNet, va aprendre a distingir cèl·lules joves de cèl·lules envellides. I ho va fer amb un grau de precisió notable: basant-se únicament en l'aparença del nucli, el model va demostrar una probabilitat del 77% d'encertar en la classificació de les cèl·lules en dos grups. Aquesta xifra supera fins i tot un model d'aprenentatge automàtic basat en característiques de la cromatina que havien estat definides prèviament pels mateixos investigadors.
El fet que l'eina basada en imatges superi un model construït amb característiques definides manualment no és un detall menor. Indica que hi ha informació en les imatges que els experts humans no havien sabut identificar o quantificar de manera prou eficient. La IA, en canvi, ha estat capaç de trobar combinacions de característiques de la cromatina espacial que contenen informació sobre l'estat d'envelliment de les cèl·lules. Això no vol dir que els investigadors hagin perdut el control del procés. De fet, van analitzar quines característiques específiques de les imatges eren més útils per distingir les cèl·lules joves de les envellides. Aquesta anàlisi va identificar factors com l'entropia de la cromatina, l'heterocromatina situada a la perifèria del nucli i certs condensats de cromatina com a característiques predictives de l'estat associat a l'edat.
Aquest enfocament no pretén substituir les eines que ja existeixen per mesurar l'edat biològica. Els anomenats rellotges epigenètics, per exemple, estimen l'edat basant-se en certs canvis químics de l'ADN, inclosos els relacionats amb la metilació. Aquestes eines han demostrat la seva utilitat en nombrosos estudis, però tenen les seves limitacions. La proposta dels investigadors catalans és complementària. Mentre que els rellotges epigenètics es fixen en modificacions químiques de l'ADN, aquesta nova eina es fixa en l'organització física de la cromatina dins del nucli. Són dues finestres diferents del mateix fenomen, i combinar-les pot oferir una visió més completa de l'estat d'envelliment d'una cèl·lula.