纽约大学朗格尼健康系统研究人员联合纽约大学坦登工程学院，开发出新型人工智能辅助技术，可精确测量并追踪因损伤、衰老或疾病导致的细胞衰老现象。该研究成果7月7日发表于《自然通讯》杂志。
这项结合高分辨率显微成像与机器学习的核形态计量管线（NMP），通过分析细胞核形态变化建立衰老评分体系。研究发现衰老细胞核会出现膨胀、密度增高、形态不规则等特征，其染色质经标准染色剂处理后呈现浅染现象。实验验证显示，这些形态特征与细胞周期停滞、DNA损伤和溶酶体积累等衰老标志高度相关。
研究团队构建的NMP评分系统可对从-20到+20范围内的细胞群体进行衰老程度量化。在不同年龄段小鼠模型验证中，老年细胞群（24月龄）评分显著低于年轻细胞群（3月龄）。在肌肉损伤修复模型中，NMP成功追踪了间充质干细胞、肌肉干细胞、内皮细胞及免疫细胞的衰老动态变化，显示损伤后即刻出现大量衰老肌肉干细胞，组织再生过程中逐渐减少。
骨关节炎模型实验表明，老年骨关节炎小鼠的软骨细胞衰老程度较健康对照组高出10倍。该技术已通过国家卫生研究院资助的R01AG053438项目验证，目前团队正推进人类组织样本应用研究，并探索与其它衰老生物标志物的联合检测方案。
"我们的核形态计量技术为衰老细胞的识别与追踪提供了可靠工具，"项目首席研究员迈克尔·沃斯齐纳博士指出，"这项技术将推动组织再生、衰老过程和疾病进展的机制研究。"研究团队已向纽约大学提交专利申请，并计划开放NMP技术平台供学界共享。
该研究还发现NMP相较传统检测方法具有显著优势，其依托常规核染色技术即可实现高可靠性分析。项目共同首席研究员萨希尔·马普卡表示："现有衰老细胞检测方法操作复杂且可靠性不足，NMP技术采用常规染色法，显著提升了检测效率和准确性。"
纽约大学朗格尼骨科外科团队在该研究中发挥了核心作用，项目得到了骨科外科系和多项科研基金的支持。研究团队包括萨拉·布莱斯、埃德加·佩雷斯·卡瓦哈尔等共同第一作者，以及肖恩·默里、李志如等共同研究者。
【全文结束】
