在生命科学领域，准确评估细胞年龄和衰老进程一直是重大挑战。传统方法如基因组学虽能捕捉分子变化，却难以实现长期动态监测；而现有基于深度学习的图像分析工具又存在通用性差、缺乏生物活性预测模块等缺陷。针对这些瓶颈，印度理工学院德里分校Vishakha Gautam和Gaurav Ahuja团队开发了名为scCamAge的上下文感知多模态预测引擎，相关成果发表在《Cell Reports》期刊。

研究团队首先构建了包含约100万个酵母单细胞图像的时序数据集，覆盖从年轻（第2天）到衰老（第20天）的10个关键时间点。通过改进YeastSpotter分割算法和采用迁移学习策略，比较了InceptionResNet、GoogLeNet等四种模型，最终选择在500个训练周期后AUC达86.2%的InceptionResNet架构作为核心。该模型不仅能预测细胞年龄，还可通过相位对比图像推断六种关键衰老相关生物活性：活性氧(ROS)水平、线粒体膜电位、液泡形态、表观遗传改变、蛋白质稳态和基因组不稳定性。

验证实验显示，scCamAge能精准捕捉已知抗衰老药物（如二甲双胍、亚精胺）的作用时间窗——二甲双胍处理组早在第4天就出现预测年龄的左移（Spearman R=0.17）。在遗传突变体筛选中，模型成功区分出早衰（如sod2△）和长寿（如pdx3△）表型，并发现促长寿突变体的细胞壁区域特征富集度更高。特别有趣的是，在温和热应激脉冲(MTSP)实验中，经历30°C-37°C交替处理的酵母显示出独特的抗衰老特征，后续转录组和代谢组联合分析揭示这与缬氨酸-亮氨酸生物合成、谷胱甘肽代谢通路的激活相关。

最突破性的发现在于跨物种验证。未经重新训练的酵母scCamAge模型，仅凭相位对比图像就能准确预测人类成纤维细胞中由喜树碱(CPT)诱导的衰老状态（AUC 0.77-0.97），显著优于基础InceptionResNet模型。通过整合生物活性特征后，模型在人类复制性衰老数据集上的预测性能进一步提升，证实了衰老相关形态特征的进化保守性。

关键技术方法包括：1) 使用改进的Mask R-CNN进行单细胞图像分割；2) 采用迁移学习策略比较四种深度神经网络；3) 建立多模态预测框架整合图像特征与生物活性数据；4) 通过热应激脉冲(MTSP)实验诱导酵母长寿表型；5) 结合RNA-seq和代谢组学进行机制验证；6) 利用人类原代成纤维细胞进行跨物种验证。

主要研究结果：

1. 模型开发：通过336,514个单细胞图像训练出scCamAge核心架构，其解释性模块显示年轻细胞特征富集于核周，而衰老细胞转移至细胞壁区域。
2. 药物验证：二甲双胍处理显著降低预测年龄分布（p<0.0001），伴随线粒体电位升高和液泡扩张。
3. 遗传筛查：早衰突变体trx1△显示基因组不稳定性评分增加2.3倍，而长寿突变体pho89△的表观遗传失调评分降低58%。
4. 热应激机制：25次热脉冲使酵母复制寿命延长37%，转录组揭示SSA4、HSP30等热休克蛋白的差异表达。
5. 跨物种预测：对人类成纤维细胞的 senescence-β-gal阳性细胞识别准确率达89%，特征定位主要集中于核周区域。

这项研究的意义在于：首次建立了能同时预测细胞年龄、生物活性和形态特征的通用框架，其开源特性（提供Docker镜像和Shiny交互平台）将促进衰老研究的标准化。发现衰老相关形态特征的跨物种保守性，为利用简单模式生物研究复杂衰老机制提供了新依据。未来通过纳入更多生物标记物（如端粒长度、自噬流），有望进一步拓展其在精准抗衰老干预中的应用价值。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》