細胞衰老是老化的標誌，不僅對衰老相關疾病的發病機制很重要，還是一個潛在的治療靶標。衰老的細胞有特定的分子標誌物，還會表現出獨特的形態從而被識別。
深度學習技術是一種極具應用性的解決複雜任務的工具。在深度學習中，卷積神經網絡(CNN)是一類深度神經網絡，提高了圖像分類任務的準確性，並越來越多地在臨床中用作診斷工具。在此基礎上，來自日本慶應大學醫學院的ShinsukeYuasa教授團隊，開發了一個基於形態學的CNN系統—定量評分系統（Deep-SeSMo），可以成功地對衰老內皮細胞進行分類，並評估抗衰老藥物的效果。
該系統通過預先訓練好的CNN來優化衰老細胞的分類，隨後輸出細胞衰老的概率，即基於形態學的深度學習衰老評分。隨後利用Deep-SeSMo正確的評估常見的抗衰老藥物的效果。接著該團隊進一步擴大其在藥物篩選中的應用—在激酶抑制劑庫中篩選調控細胞衰老的化合物，使用Deep-SeSMo系統對細胞衰老進行評分，並與對照樣品比對、標準化和排序，確定了4種候選化合物（terreicacid, PD-98059, daidzein,Y-27632·2HCl）。進一步轉錄組測序實驗證實，這4種藥物均可通過減輕炎症來降低細胞衰老的表型。此外，團隊還研究了另外4種通過Deep-SeSMo分析被確定為無效的抗衰老藥物（SC-514,TYRPHOSTIN51, Indirubin, and SU4312），其衰老評分與對照組幾乎相同，對抗衰老關鍵通路P53-P21信號通路的幾乎沒有作用，進一步說明了系統的穩定性。
因此，基於形態學的CNN系統可以成為抗衰老藥物篩選的有力工具。
Kusumoto, D., Seki, T., Sawada, H. et al. Anti-senescent drug screening by deep learning-based morphology senescence scoring.
NatCommun 12, 257(2021).
撰文：Wahoo
編輯：VEGF
給咖灰加點蜂蜜