AI辅助技术实现衰老细胞精准追踪
一项结合高分辨率成像与人工智能的创新技术，成功实现了对损伤、衰老或疾病导致的细胞衰老状态的实时追踪。研究证实这类细胞在伤口修复及癌症、心脏病等衰老相关疾病中具有关键作用，为组织再生机制研究开辟新路径。
纽约大学朗格尼医学中心骨科外科团队主导的研究，通过化学物质梯度诱导建立细胞衰老模型，运用机器学习系统分析细胞核形态特征。研究显示衰老细胞核呈现显著扩张、致密核心区域增多、形态不规则等特征，且染色质着色变浅。这些形态学变化与细胞周期停滞、DNA损伤及溶酶体积累等经典衰老标志高度吻合。
研究人员构建的核形态计量管线(NMP)整合多项核特征，生成-20至+20的量化评分系统。实验验证显示：
- 年轻（3月龄）与衰老（24月龄）小鼠细胞NMP评分差异显著
- 肌肉损伤修复过程中可动态追踪间充质干细胞、内皮细胞等五类细胞的衰老状态
- 骨关节炎模型中衰老软骨细胞占比达年轻组的10倍
"我们的技术突破在于建立了通用性衰老评估体系。"项目负责人Michael Wosczyna博士指出，"NMP系统不仅适用于不同年龄和组织类型的细胞研究，还能评估抗衰老药物的疗效。"该技术已申请专利，研究团队计划推进人类组织样本验证。
技术优势体现在：
- 采用常规核染色法，降低技术门槛
- 实现多维度定量分析，替代传统生物标志物检测
- 支持跨疾病模型的衰老动态研究
项目获得美国国立卫生研究院R01AG053438基金支持。研究团队包括纽约大学坦登工程学院的Sahil Mapkar等联合首席研究员。作为技术共享计划的一部分，研究团队将开放提供NMP分析工具。
【全文结束】
