マサチューセッツ工科大学の科学者たちは、生きた組織の中で老化した細胞を破壊することなく識別する方法を提案した。この手法は、反射光のスペクトルから細胞の化学組成を読み取るラマン顕微鏡法と、遺伝子発現データおよび機械学習を組み合わせたものである。その結果、独自の「バーコード」——スペクトルの特徴の集合体——が得られ、これによって「ゾンビ細胞」を通常の細胞と区別することができる。
加齢に伴い、体内には分裂をやめたものの死滅していない細胞が蓄積されていく。これらの細胞は炎症性のシグナルを放出し、がんや線維症、その他の加齢に伴う障害の発症を促す。p16やp21といったタンパク質のような古典的なマーカーは、試料の固定と破壊を必要とするため、生前診断には用いることができない。この新しいアプローチはこの問題を解決する。ラマンスペクトルは、細胞に介入することなく、脂質やその他の分子の変化を捉えるのである。
研究者たちは、若いマウスと老いたマウスの皮膚および肺の組織を比較した。老いた試料では脂質の合成と蓄積が著しく増加し、皮膚では筋肉の収縮や細胞外マトリックスのリモデリングに関連する経路が亢進していた。肺では免疫応答と炎症の遺伝子が活性化していた。これらの生化学的な変化が、アルゴリズムのための学習データセットの基盤となった。
機械学習は、数千のスペクトルピークの中から、細胞老化の状態と最も正確に相関するいくつかの重要なピークを抽出した。著者たちの構想によれば、今後はいくつかの特徴的な範囲でスペクトルを記録するだけで、細胞が老化状態に入ったかどうかを高い確率で判定できるようになる。この手法はまだマウスと実験室環境でのみテストされている。
このアプローチの利点は明らかである。生検を必要とせず、将来的にはゾンビ細胞の蓄積の動態をリアルタイムで追跡することが可能になる。しかし、データは動物モデルに限られており、ヒトへの応用にはヒト組織での検証と臨床試験が必要となる。さらに、ラマン顕微鏡法はまだ臨床現場で日常的に使われるツールにはなっていない——装置は高価で、特別な訓練を要するからである。
もしこの手法がその信頼性を証明できれば、組織の生物学的年齢をどのように測定するかという考え方を変える可能性がある。血液の間接的なマーカーや破壊的な検査の代わりに、細胞の状態を直接かつ非侵襲的に「読み取る」ことが可能になるだろう。これにより、老化細胞の除去や若返りを目的とした治療が、体内におけるそれらの分布に関する正確で個別化されたデータに基づいて行えるようになる日が近づく。
