精準捕捉細胞核內的微小變化

隨著年齡增長，人體造血系統與血液幹細胞功能逐漸下降。為了捕捉細胞內部極為微小的物理結構變化，研究團隊開發出名為 ChromAgeNet 的人工智慧系統。這套系統透過分析經 DAPI 染色取得的細胞核三維影像，學習辨識年輕與老化細胞之間的特徵差異。在小鼠造血幹細胞實驗中，ChromAgeNet 能以 77% 的正確率區分細胞的年輕與衰老狀態，其判讀表現顯著優於過往依賴研究人員預先定義染色質特徵的傳統機器學習模型。

揭示老化訊號隱藏於複合結構中

研究進一步解析模型的決策機制，發現 ChromAgeNet 進行判斷時所依據的關鍵結構特徵包括：衡量細胞核內部混亂程度的「染色質熵」、位於細胞核邊緣緊密包裝的「核邊緣異染色質」，以及特定區域發生的「染色質凝聚體」。這些結果顯示，細胞的老化訊號不一定來自肉眼可見的單一明顯差異，而是隱藏於多種空間結構特徵的複合組合之中。這種從實體結構維度切入的分析法，能與現有生物標記形成互補，例如透過 DNA 甲基化變化推估生物年齡的「表觀遺傳時鐘」。

開放資料集促進後續臨床應用

作為概念驗證，研究人員將 ChromAgeNet 應用於經不同表觀遺傳學藥物處理的老化血液幹細胞，成功驗證其對於細胞狀態變化的敏銳辨識能力。為了促進相關領域的後續探索，研究團隊已將 ChromAgeNet 系統以及相關的小鼠造血幹細胞三維影像資料集免費開放給全球科學界。這不僅為血液幹細胞老化研究提供了新工具，也盼能支援後續的研究與臨床應用開發，讓科學家能更深入理解人體老化的複雜機制。