✨︎ Resumen (TL;DR):
- RamanOmics combina imagen Raman, secuenciación de ARN y aprendizaje automático para localizar células senescentes en tejido de ratón sin destruirlo.
- Una firma de lípidos entre 1131 y 1135 cm⁻¹ apareció de forma consistente en pulmón y piel; la precisión pasó de 0.74 a 0.78 en pulmón y de 0.62 a 0.65 en piel.
- El método podría seguir el envejecimiento y evaluar senolíticos, pero todavía necesita validación en otros tejidos y en personas.
Investigadores del Ragon Institute of Mass General Brigham, MIT y Harvard presentaron RamanOmics, un método que combina imagen óptica, secuenciación de ARN y aprendizaje automático para localizar células senescentes en pulmón y piel de ratones jóvenes y viejos sin destruir la muestra. El sistema resume el estado de cada célula en un “código de barras” y detecta una firma de lípidos entre 1131 y 1135 cm⁻¹. El trabajo se publicó el 21 de septiembre en Nature Aging y apunta a vigilar el envejecimiento y evaluar senolíticos, aunque todavía no se ha probado en tejido humano.
Por qué estas células son difíciles de localizar
Las células senescentes son células que dejan de dividirse, pero se resisten a morir. Con la edad se acumulan en los tejidos y liberan señales que alimentan la inflamación y desgastan los órganos. Por ese comportamiento reciben el apodo de “células zombi”.
Vigilarlas o eliminarlas forma parte de los objetivos centrales de la investigación del envejecimiento. El problema comienza antes: primero hay que reconocerlas con precisión.
Hasta ahora, la senescencia se ha definido sobre todo por marcadores genéticos o por el aspecto de las células. Ese enfoque deja fuera su química interna.
En un comentario que acompaña el estudio en Nature Aging, Shuai Ma y Jing Qu, de la Academia China de Ciencias, plantean que las células senescentes también atraviesan una remodelación bioquímica profunda. RamanOmics expone esa capa química, que los marcadores genéticos y la apariencia no capturan por completo.
Cómo construye el “código de barras” celular
RamanOmics es un método que combina imagen óptica, secuenciación de ARN y aprendizaje automático para localizar células senescentes en tejido sin destruir la muestra.
Para hacerlo, el equipo reunió tres lecturas de la misma muestra:
- Espectroscopía Raman: una técnica óptica que lee las vibraciones de los enlaces químicos sin teñir ni destruir la muestra.
- Secuenciación de ARN de núcleos individuales y transcriptómica espacial (STARmap): registra qué genes están activos y en qué lugar.
- Clasificador de aprendizaje automático: un modelo de bosque aleatorio que fusiona esas capas y asigna a cada célula un “código de barras” para etiquetarla como senescente o sana.
El equipo identificó las células senescentes mediante el marcador p21 y encontró una firma de lípidos en la señal Raman entre 1131 y 1135 cm⁻¹. Esa señal apareció de forma consistente tanto en pulmón como en piel.
Al sumar los datos de Raman a la información genética, el sistema mejoró de manera modesta su precisión para distinguir las células senescentes. El valor pasó de 0.74 a 0.78 en pulmón y de 0.62 a 0.65 en piel.
La senescencia cambia entre pulmón y piel
RamanOmics mostró que las células senescentes no presentan el mismo estado en todos los tejidos.
- Pulmón: exhibieron programas ligados a la remodelación de la matriz extracelular y a la señalización TGF-β.
- Piel: dominó la maquinaria de diferenciación de la epidermis, con genes como Krt10, Lor y Sbsn.
Para probar esas firmas en un escenario de reparación, el equipo recurrió a un modelo de cicatrización de heridas en ratón. Durante el proceso reaparecieron la marca de p21 y las señales de lípidos.
Qué podría medir y qué falta comprobar
Los autores proponen usar las señales Raman como un posible biomarcador para seguir el envejecimiento de un tejido sin dañarlo. También podrían servir para medir si funcionan los senolíticos, los fármacos que buscan eliminar células senescentes.
El enfoque podría ayudar además a rastrear compuestos que actúen sobre el metabolismo de los lípidos.
El alcance actual sigue acotado. El equipo probó el método en pulmón y piel de ratón, no en personas. Además, los resultados establecen correlaciones, no causas: para saber si esos lípidos sostienen la senescencia, harán falta experimentos que los alteren.
La identificación se ancló en el marcador p21, así que el método captura solo ese subconjunto de células senescentes. Estas células también son escasas incluso en tejido viejo, una condición que limita al clasificador.
Los investigadores aclaran que el “código de barras” concreto refleja los datos actuales de pulmón y piel. Llevarlo a otros tejidos o a enfermedades exigirá más validación.
Si la técnica llega al tejido humano, leer la química de las células sin destruirlas podría ayudar a comprobar si un tratamiento antienvejecimiento funciona. Ese salto, por ahora, sigue pendiente.
