Étiquette : imagerie avancée

Stately Bio : Redéfinir la Mesure des Cellules Vivantes grâce à l’Imagerie et à l’Apprentissage Machine

Le lancement récent de Stately Bio met en lumière un défi majeur de la médecine régénérative : l’incapacité à surveiller les cellules vivantes en temps réel sans les détruire. Après trois ans en mode furtif, la startup de Palo Alto a émergé ce mois-ci avec 12 millions de dollars de financement initial et une plateforme qui combine l’apprentissage machine (ML) et l’imagerie avancée pour relever ce défi de longue date. La plateforme de Stately permet une imagerie à haute résolution et sans étiquettes des cellules vivantes, permettant de suivre l’identité, la qualité et le comportement des cellules en continu. Cela permet aux chercheurs d’observer la croissance, la maturation et la réaction des cellules aux interventions sans recourir à un marquage génétique ou chimique, ce qui pourrait accélérer le cycle de développement des thérapies cellulaires. Le fondateur, Frank Li, ancien responsable de l’apprentissage machine chez Calico, a été inspiré par son expérience dans le domaine de la biologie du vieillissement et le potentiel transformateur du ML dans la recherche biomédicale, en particulier en matière d’imagerie. En effet, les scientifiques travaillant sur les thérapies cellulaires ont traditionnellement dû faire un compromis entre tuer les cellules pour analyser leur fonctionnement interne ou se contenter de méthodes non destructives moins informatives. Stately Bio vise à éliminer ce compromis. Les résultats préliminaires de la société sont prometteurs, avec la production de cellules améliorées déjà explorées pour des applications allant du dépistage de la toxicité des médicaments à la modélisation des maladies et à l’utilisation thérapeutique potentielle. Li souligne que la biologie est dynamique et que comprendre comment les cellules réagissent aux signaux au fil du temps est crucial, en particulier dans la différenciation des cellules souches. Stately se concentre actuellement sur la différenciation des cellules souches en types cellulaires matures et fonctionnels, mais Li suggère que la même technologie pourrait être utilisée pour la reprogrammation cellulaire partielle. Ce projet est ambitieux, cherchant à redéfinir ce qui est possible dans l’étude de la biologie, en remettant en question la tradition selon laquelle l’imagerie a joué un rôle secondaire par rapport aux techniques moléculaires plus invasives. La société valide ses modèles par des études internes rigoureuses et des collaborations externes, montrant une forte concordance entre ses quantifications et les marqueurs spécifiques évalués par des méthodes d’imagerie traditionnelles. En fin de compte, Stately Bio ne se contente pas d’améliorer la façon dont la biologie est mesurée, mais redéfinit également ce qui est possible dans le domaine de la recherche cellulaire. Source : https://longevity.technology/news/unlocking-biologys-temporal-dimension/

Nouvelles découvertes sur la sénescence : un spectre d’états cellulaires et leurs implications pour les thérapies de longévité

La recherche récente, menée par l’Université Johns Hopkins, remet en question l’idée que la sénescence cellulaire est un processus unique, en révélant qu’elle constitue en réalité un spectre d’états cellulaires distincts. Les cellules sénescentes, souvent appelées ‘cellules zombies’, s’accumulent dans les tissus au fil du temps et sont associées à de nombreuses maladies chroniques liées à l’âge. Cette étude a identifié trois sous-types de sénescence au sein des fibroblastes dermiques humains : C7, C10 et C11, chacun ayant des caractéristiques morphologiques et fonctionnelles différentes. Par exemple, le sous-type C10 est corrélé avec le vieillissement chronologique, tandis que les sous-types C7 et C11 sont associés à une sénescence induite par le stress. Les résultats soulignent l’importance de cibler ces sous-types spécifiques pour développer des thérapies plus précises, notamment en matière de traitements sénolytiques. Le cadre de recherche, appelé SenSCOUT, utilise l’imagerie avancée et l’apprentissage automatique pour analyser la morphologie cellulaire, ouvrant ainsi la voie à une meilleure compréhension de la sénescence. Cependant, des précautions sont nécessaires, car la suppression ciblée d’un sous-type pourrait avoir des effets indésirables sur des processus bénéfiques tels que la guérison des plaies. Les implications de cette recherche vont au-delà de la dermatologie, potentiellement applicables à d’autres maladies. Bien que la traduction de ces résultats en pratique clinique prenne du temps, cette avancée nous rapproche d’une approche personnalisée de la sénothérapie, qui reconnaît la complexité de la sénescence et vise à prolonger la durée de vie en bonne santé en s’attaquant aux racines cellulaires du vieillissement. Source : https://longevity.technology/news/senescent-skin-cells-shown-to-follow-three-distinct-aging-paths/