麻省理工学院的科学家提出了一种无需破坏活体组织即可识别衰老细胞的方法。该方法将拉曼显微镜——通过反射光谱读取细胞化学成分——与基因表达数据和机器学习相结合。最终得到一种独特的“条形码”——一组光谱特征，据此可以将“僵尸细胞”与普通细胞区分开来。
随着年龄增长，体内会积累一些停止分裂但并未死亡的细胞。它们释放炎症信号，促进癌症、纤维化及其他与年龄相关病变的发展。p16和p21等经典标志物需要固定并破坏样本，因此无法用于活体诊断。新方法解决了这一问题：拉曼光谱可在不干预细胞的情况下记录脂质及其他分子的变化。
研究人员比较了年轻和年老小鼠的皮肤与肺组织。在年老样本中，脂质的合成与积累明显增加，皮肤中与肌肉收缩和细胞外基质重构相关的通路也有所增强。肺组织中免疫应答和炎症相关基因被激活。这些生化变化构成了算法训练样本的基础。
机器学习从数千个光谱峰中筛选出若干个关键峰，它们与细胞衰老状态的相关性最为精确。按照作者的设想，如今只需在几个特征波段内记录光谱，就能以较高概率判断细胞是否进入了衰老状态。该方法目前仅在实验室条件下、仅在小鼠身上进行了测试。
该方法的优势显而易见：它无需活检，并有望在未来实时追踪僵尸细胞的积累动态。然而，数据仅限于动物模型，若要推广到人类，还需在人体组织上进行验证并开展临床试验。此外，拉曼显微镜目前尚未成为临床常规工具——设备昂贵且需要专门培训。
如果该方法能证实其可靠性，它可能会改变人们对如何测量组织生物学年龄的认识。届时将不再依赖间接的血液标志物或破坏性取样，而是能够直接、无创地“读取”细胞状态。这将使针对清除或使衰老细胞恢复年轻的疗法有望建立在关于其在体内分布的精确、个体化数据之上。
