Un team della Yale University, guidato dal bioinformatico Mark Gerstein, ha sviluppato un innovativo modello di apprendimento automatico capace di stimare l’età cronologica e i cambiamenti nell’espressione genica semplicemente osservando immagini istologiche di tessuti umani sani. Lo studio, pubblicato su Proceedings of the National Academy of Sciences (PNAS), svela come i segni dell’invecchiamento siano impressi anche nella morfologia microscopica delle cellule.
Analizzando oltre 10mila immagini di 12 tipi di tessuto provenienti da 838 donatori, i ricercatori hanno individuato 906 varianti genetiche associate a caratteristiche visive come forma, area e rapporto nucleo-cellula. Queste regioni del genoma, chiamate image quantitative trait loci (imageQTL), collegano le differenze genetiche a tratti morfologici osservabili. Le reti neurali addestrate dal gruppo hanno imparato a riconoscere pattern cellulari legati all’età, riuscendo a predire l’espressione genica e la cronologia biologica con notevole precisione. I risultati mostrano che la microscopia digitale, potenziata dall’intelligenza artificiale, può diventare uno strumento di predizione biologica, capace di tradurre la forma delle cellule in informazioni genetiche e fisiologiche.
Oltre a fornire nuove chiavi di lettura sull’invecchiamento, questa tecnologia potrebbe aprire la strada a diagnosi precoci di malattie degenerative e infiammatorie, rendendo la biologia dei tessuti leggibile come un linguaggio digitale che unisce geni, struttura e tempo.