AI-based diagnostic algorithm for cellular aging using single-cell fluorescence imaging of the cytoskeleton

Abstract

L’envelliment és un procés complex i multifactorial caracteritzat per un declivi fisiològic, un augment del risc de malalties i un deteriorament funcional progressiu. Els fibroblasts, essencials per mantenir l'estructura i la reparació dels teixits, mostren canvis relacionats amb l’edat àmpliament documentats. Tot i això, identificar marcadors robustos i quantificables d’aquests canvis continua sent un repte. Aquest projecte desenvolupa un protocol per detectar l’envelliment cel·lular mitjançant imatges de fluorescència de cèl·lules individuals. Els fibroblasts de ratolins joves i vells són immunotenyits per a marcadors nuclears i citoesquelètics, i se n’obtenen imatges mitjançant microscòpia d’epifluorescència multicanal. Es desenvolupa un mètode computacional per segmentar les cèl·lules i extreure característiques que descriuen la morfologia, la intensitat, la textura i l’organització del citoesquelet. Les característiques que superen un primer filtratge estadístic s’utilitzen després per entrenar i validar models d’aprenentatge automàtic interpretables. Es selecciona la regressió logística per la seva combinació d’interpretabilitat i rendiment, assolint una precisió del 0.97 en el conjunt d’avaluació. El protocol final ofereix un mètode reproductible per detectar l’envelliment dels fibroblasts només a partir d’imatges de microscòpia. Permet tant el diagnòstic a partir d’una classificació binària com la comprensió mecanística dels canvis cel·lulars relacionats amb l’edat, i estableix les bases per a aplicacions futures com els rellotges d’envelliment, el descobriment de biomarcadors i l’avaluació de teràpies orientades a modular aquests canvis.