最新研究：AI识别干细胞传代数，破解细胞复制性衰老检测难题
最新研究：AI识别干细胞传代数，破解细胞复制性衰老检测难题
干细胞治疗是再生医学领域的重要研究方向，但干细胞在体外培养过程中会随着传代次数的增加而衰老，这成为制约其临床应用的关键瓶颈。近日，南京鼓楼医院与东南大学联合研究团队在《Biomedical Signal Processing and Control》期刊上发表了一项突破性研究成果，他们开发了一种基于人工智能的细胞形态分析系统，能够快速准确地识别间充质干细胞的传代数和衰老状态，为干细胞产品的质量控制提供了全新解决方案。
间充质干细胞（MSCs）因其强大的自我更新、多向分化和免疫调节能力，已成为再生医学和组织工程领域的热门研究方向。然而，在体外培养过程中，MSCs随着传代次数的增加会进入衰老状态，导致细胞质量下降进而影响治疗效果，目前也缺乏快速、有效的方法来监测干细胞产品的衰老状态。这成为了制约干细胞治疗广泛应用的关键瓶颈。
近日，南京鼓楼医院临床干细胞研究室王斌教授团队与东南大学图像科学与技术实验室陈阳教授团队在《Biomedical Signal Processing and Control》期刊上以《Senescence screening of mesenchymal stromal cells by morphology-based deep learning senescence analysis》为题发表了一项突破性研究。该研究利用人工智能技术，通过细胞形态学分析，实现了对MSCs衰老状态的快速、准确识别，为干细胞产品的质量控制提供了全新的解决方案。
干细胞复制性衰老
在生活中，我们可以大致从一个人的外表和体型来判断一个人的年龄，以及他/她的身体状况。同样，细胞老化也会带来显著的形态变化，例如尺寸较大、细胞形态扁平和折射不良。随着细胞培养生成的增加，细胞老化变得严重，衰老的细胞生物活性逐渐降低。因此，细胞代数在一定程度上代表了细胞的质量。
研究团队通过实验发现：细胞在培养过程中，经常可以观察到传代次数较多的人脐带间充质干细胞（HUCMSCs）会出现一些衰老特征。例如，细胞形态变得扁平、出现空泡化以及体积增大，并且可能显示多个或增大的细胞核。除了细胞形态之外，其生物学特性也随之发生改变：MSCs的增殖能力和免疫调节功能显著下降，同时衰老相关标志物（如Ki67、pRPS6、β-半乳糖苷酶、P16、P21和、P53）的表达水平也发生了显著变化。
AI从细胞形态识别衰老
为助力干细胞产品的质量控制和快速筛选，研究团队创新性地引入了基于深度学习的细胞形态分析系统，利用预训练的ResNeXt神经网络，自动分析了HUCMSCs的图像，准确识别细胞的代次和衰老状态，同时还对HUCMSCs和人骨髓间充质干细胞（HBMMSCs）的细胞图像进行自动分析，可以实现不同组织来源的MSCs精准分类识别。
AI识别细胞的代次和衰老状态
该模型在验证集上对细胞传代次数的预测准确率高达91.9%（3代以内）和99.5%（5代以内），在测试集上的准确率也达到了56.7%（3代以内）和91.0%（5代以内）。
AI给不同来源的MSC分类
该模型在区分HUCMSCs和HBMMSCs的图像分类任务中，准确率达到了90.2%。
广泛的应用场景：从实验室到临床
干细胞作为一类复杂的生物治疗产品，其活性受培养条件、传代次数、供体差异等多种因素影响。传统的质量评估方法复杂且耗时，难以满足临床快速筛选的需求。而这项研究提出的基于人工智能的细胞形态分析系统，能够通过简单的细胞图像，快速判断干细胞的传代次数和衰老状态，极大地简化了质量控制流程，可以帮助医院和科研机构快速评估干细胞产品的质量，还可以同步识别间充质干细胞种类，为干细胞生产企业提供一种全新的细胞溯源方法，确保每一批次的干细胞产品都符合临床使用标准。
团队表示，未来还将进一步扩大数据集，涵盖更多类型的MSCs，以提高模型的泛化能力。通过人工智能技术更精准地识别细胞的衰老状态及预测其生物学功能，为干细胞治疗的临床应用提供更可靠的质量保障。