El Atlas SenCat Mapea la Senescencia en 14 Tipos de Células Humanas y No Encuentra un Marcador Universal
Un catálogo multiómico de referencia con más de 30 modelos de senescencia revela vías conservadas pero ningún marcador universal único, lo que permite la puntuación de senescencia mediante aprendizaje automático.
Resumen
Investigadores del Instituto Nacional sobre el Envejecimiento de los NIH desarrollaron SenCat, un atlas multiómico exhaustivo de la senescencia celular que perfila transcriptomas y proteomas en 14 tipos celulares humanos primarios y más de 30 condiciones inductoras de senescencia. A pesar de un análisis exhaustivo, no se identificó ningún marcador de RNA o proteína universalmente elevado en todas las células senescentes. Sin embargo, surgieron vías compartidas —entre ellas p53, NF-κB, EMT, apoptosis y señalización por hipoxia— lo que sugiere que la senescencia converge en programas conservados de respuesta al daño y reparación tisular, incluso cuando las moléculas específicas difieren. A continuación, un marco de aprendizaje automático derivó puntuaciones de senescencia ponderadas que distinguen de forma fiable las células senescentes de las no senescentes en conjuntos de datos humanos y murinos, tanto a resolución masiva como unicelular. SenCat representa un importante nuevo recurso para el campo del envejecimiento, que permite una detección, puntuación y estudio más precisos de las células senescentes en distintos tejidos y especies.
Resumen detallado
La senescencia celular —el estado de arresto irreversible del ciclo celular acompañado del fenotipo secretor asociado a la senescencia (SASP)— desempeña un papel dual en la biología: es beneficiosa en la cicatrización de heridas y el desarrollo embrionario, pero resulta perjudicial cuando las células senescentes se acumulan de forma anormal e impulsan la inflamación crónica, la fibrosis y las patologías relacionadas con el envejecimiento. A pesar de décadas de investigación, el campo ha carecido de un catálogo molecular de referencia integral que abarque diversos tipos celulares y desencadenantes de senescencia. El proyecto SenCat fue diseñado para cubrir esta brecha crítica mediante la elaboración de perfiles multiómicos controlados a gran escala.
El equipo de investigación, con sede en el NIA Intramural Research Program, elaboró perfiles de 14 tipos celulares humanos primarios, entre ellos dos tipos de fibroblastos (pulmón WI-38, piel BJ), dos tipos epiteliales (HSAEC, HEKn), dos tipos endoteliales (HCAEC, HUVEC), células madre mesenquimales de médula ósea, células de músculo liso vascular, mioblastos esqueléticos, células mononucleares de sangre periférica, preadipocitos, osteoblastos, astrocitos y melanocitos. Cada tipo celular fue sometido a múltiples paradigmas de senescencia: inducida por quimioterapia (CTIS), por radiación ionizante (IRIS), por estrés oxidativo (OSIS) y por oncogenes (OIS), lo que generó más de 30 modelos distintos de senescencia. La senescencia fue confirmada rigurosamente mediante ensayos de incorporación de BrdU, actividad de SA-β-galactosidasa y expresión de marcadores canónicos como p16, p21, IL6, GDF15 y LMNB1, con requisitos estrictos de muerte celular mínima.
El hallazgo central y quizás más significativo fue la ausencia total de un marcador universal de senescencia, tanto a nivel de RNA como de proteína. Incluso dentro de un mismo tipo celular, al aumentar el número de paradigmas de senescencia analizados se reducía progresivamente la lista de marcadores compartidos —con los agentes que dañan directamente el DNA (quimioterapia y radiación ionizante) compartiendo apenas aproximadamente el 50% de sus marcadores con expresión aumentada o disminuida—. De manera destacada, si bien los mRNA de *CDKN1A* (p21) y *GDF15* se ubicaron entre los 20 transcritos más ampliamente elevados, sus proteínas correspondientes no figuraron entre las 20 proteínas elevadas de mayor presencia compartida, lo que revela una importante discordancia postranscripcional. LMNB1 resultó notablemente consistente como marcador disminuido tanto a nivel de RNA como de proteína. La superposición transcriptómica-proteómica dentro de cualquier tipo celular no superó el 20%, lo que subraya la complejidad regulatoria en múltiples niveles.
A pesar de la ausencia de marcadores individuales universales, el análisis a nivel de vías biológicas mediante la base de datos Hallmark gene set reveló biología conservada. Las vías robustamente potenciadas en casi todos los tipos celulares incluyeron la señalización de p53, la transición epitelio-mesénquima (EMT), la activación de NF-κB, la regulación de la apoptosis y la respuesta a hipoxia —lo que enmarca a las células senescentes como entidades que responden al daño y participan en la reparación tisular y la reprogramación metabólica—. Esta conservación de vías se mantuvo incluso cuando los efectores moleculares específicos diferían entre tipos celulares y desencadenantes.
Para traducir este catálogo en herramientas prácticas, el equipo aplicó aprendizaje automático para derivar puntuaciones de senescencia ponderadas que integraban características transcriptómicas y proteómicas. Estas firmas SenCat refinadas mediante ML distinguieron de forma robusta los estados senescentes de los no senescentes en conjuntos de datos humanos y murinos independientes, tanto a resolución de RNA-seq en masa como de RNA-seq de núcleos individuales. La validación en pulmones y riñones de ratones tratados con doxorubicina demostró que los marcadores SenCat capturaron patrones dinámicos y específicos de cada tipo celular en la acumulación de células senescentes a lo largo del tiempo. El recurso fue validado adicionalmente en datos de snRNA-seq de tejido de ratones de edad avanzada de forma natural y en conjuntos de datos proteómicos en masa de múltiples órganos. Un estudio complementario también demuestra que el componente proteómico de SenCat puede respaldar el descubrimiento de biomarcadores específicos del senotipo en plasma humano, apuntando hacia futuras aplicaciones clínicas en el monitoreo de la senescencia.
Hallazgos clave
- No single RNA or protein marker was universally elevated across all 14 human cell types and 30+ senescence models — confirming and quantifying a long-suspected gap in the field
- Within a single cell type, shared markers declined progressively as additional senescence paradigms were added; even two direct DNA-damaging agents (chemotherapy vs. ionizing radiation) shared only ~50% of their upregulated or downregulated markers
- Transcriptomic-proteomic overlap for senescence markers within any cell type did not exceed 20%, revealing extensive post-transcriptional regulation of the senescent state
- CDKN1A (p21) and GDF15 mRNAs ranked in the top 20 most broadly elevated transcripts, but their proteins were not in the top 20 shared elevated proteins; LMNB1 was consistently downregulated at both RNA and protein levels
- Pathway analysis identified five pathways conserved across nearly all cell types: p53 signaling, EMT, NF-κB activation, apoptosis regulation, and hypoxia response — despite heterogeneous individual markers
- ML-derived SenCat signatures successfully scored senescence in independent human and mouse datasets at both bulk and single-cell levels, including in doxorubicin-treated mouse lungs and kidneys and naturally aged mouse tissues
- Cell type was the primary driver of transcriptomic and proteomic expression clustering — surpassing tissue/lineage origin or differentiation stage — emphasizing cell-identity over trigger as the dominant context for senescent phenotypes
Metodología
El estudio analizó 14 tipos celulares humanos primarios en más de 30 paradigmas de senescencia mediante secuenciación de RNA para transcriptómica y espectrometría de masas para proteómica, comparando células senescentes con controles de proliferación o de vector vacío. La senescencia se validó mediante incorporación de BrdU (arresto del ciclo celular), actividad de SA-β-galactosidasa y expresión de marcadores canónicos (p16, p21, IL6, GDF15, LMNB1), con exclusión estricta de las condiciones que causaban muerte celular significativa. El enriquecimiento de rutas se realizó utilizando la base de datos de conjuntos de genes Hallmark, y se aplicó un marco de aprendizaje automático para derivar puntuaciones de senescencia ponderadas, validadas en conjuntos de datos independientes de snRNA-seq en ratón y proteómica masiva. Los umbrales estadísticos incluyeron un punto de corte de cambio en escala log2 de ≥0,585 (equivalente a un cambio de 1,5 veces) para la designación de marcadores.
Limitaciones del estudio
El catálogo se construye exclusivamente a partir de modelos de células primarias in vitro, los cuales pueden no reproducir con fidelidad la complejidad microambiental de la senescencia en tejidos vivos. Aunque las firmas de aprendizaje automático fueron validadas en conjuntos de datos de ratón y en datos humanos independientes, la capacidad de generalización entre especies y el rendimiento en contextos específicos de enfermedad humana aún están por establecerse de forma sistemática. El estudio no aborda la dinámica temporal del fenotipo senescente más allá de los puntos temporales de perfilado utilizados, y los autores señalan que la baja concordancia transcriptómica-proteómica (<20%) justifica una investigación mecanicista adicional sobre la regulación postranscripcional en la senescencia.
¿Te ha gustado este resumen?
Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.
Introduce tu correo electrónico para suscribirte: