Forskare vid IDIBELL-Bellvitge och Barcelona Supercomputing Center har utvecklat ChromAgeNet, ett AI-baserat verktyg som analyserar tredimensionella DAPI-färgade kärnbilder av murblodstamceller. Med en konvolutionell neuronnätverk-modell lyckas verktyget klassificera unga respektive åldrade celler med 77 % korrekthet, vilket överträffar tidigare maskininlärningsmetoder baserade på manuella kromatin-egenskaper.

Modellen identifierar specifika bildfunktioner – såsom kromatin-entropi, perifer heterokromatin och vissa kondensat – som starkt korrelerar med cellens åldersstatus. Detta ger insikt i hur kärnarkitekturen förändras med åldern och kompletterar befintliga biomarkörer som epigenetiska klockor.

Som ett bevis på konceptet testades ChromAgeNet på åldrade stamceller som behandlats med epigenetiska läkemedel. Även om resultaten inte bevisade funktionell föryngring, visade verktyget att förändringar i kromatin-organisation kan detekteras, vilket öppnar för hög-genomströmning-screening av föryngringsstrategier. Datasetet och modellen har gjorts fritt tillgängliga för forskarsamhället.