L'IA et la multi-omique révèlent la diversité cachée des cellules vieillissantes à travers les tissus humains

La sénescence cellulaire est un état biologique dans lequel les cellules cessent définitivement de se diviser tout en restant métaboliquement actives, sécrétant des signaux inflammatoires qui endommagent les tissus environnants. Longtemps reconnue comme l'une des caractéristiques du vieillissement, la sénescence est désormais comprise comme étant bien plus hétérogène qu'on ne le pensait — variant considérablement selon le type cellulaire, le contexte tissulaire et l'état pathologique. Comprendre cette diversité est essentiel pour développer des thérapies efficaces sans effets secondaires nocifs.

Cette revue du NIH SenNet Consortium, publiée dans Cell (juin 2026), synthétise les approches émergentes visant à cartographier systématiquement les cellules sénescentes dans les tissus humains. Les auteurs décrivent l'intégration du séquençage de RNA en cellule unique, de la transcriptomique spatiale, de l'épigénomique et de la protéomique avec l'intelligence artificielle pour identifier et classer des populations distinctes de cellules sénescentes, qu'ils désignent sous le terme de « sénotypes ».

Les principaux résultats suggèrent que les cellules sénescentes ne constituent pas une population monolithique. Différents tissus abritent des programmes de sénotypes uniques, et ces cellules entretiennent une communication distincte avec leurs microenvironnements locaux — influençant les réponses immunitaires, la réparation tissulaire et la progression des maladies de manière hautement contextuelle. Les analyses pilotées par l'intelligence artificielle sont indispensables pour démêler la complexité de ces jeux de données multidimensionnels.

Ces découvertes ont des implications directes pour l'identification de biomarqueurs — permettant potentiellement aux cliniciens de détecter plus tôt une sénescence pathologique — ainsi que pour la conception rationnelle de sénothérapeutiques, notamment les sénolytiques (médicaments qui éliminent les cellules sénescentes) et les sénomorphiques (médicaments qui modulent leur comportement sécrétoire). Cibler des sénotypes spécifiques plutôt que l'ensemble des cellules sénescentes pourrait améliorer considérablement la précision thérapeutique.

Dans la mesure où il s'agit d'un article de revue et de perspective plutôt que d'une étude de données primaires, les conclusions sont synthétisées à partir de la littérature existante. Le domaine est encore confronté à des défis dans la validation des classifications de sénotypes au sein de larges cohortes humaines et dans la traduction de ces résultats en biomarqueurs et thérapies de grade clinique.