Longevity & AgingArticle de rechercheAccès libre

RamanOmics cartographie l'empreinte biochimique des cellules vieillissantes dans les tissus vivants

Une nouvelle plateforme multimodale intègre l'imagerie Raman à la transcriptomique spatiale pour révéler comment les cellules sénescentes sont câblées sur le plan biochimique — et recâblées au cours de la cicatrisation.

samedi 3 octobre 2026 5 vues
Publié dans bioRxiv
Glowing false-color Raman spectral map overlaid on a cross-section of mouse lung tissue, with molecular vibration peaks visible

Résumé

RamanOmics est un nouveau cadre multimodal combinant le séquençage de l'ARN à noyau unique, la transcriptomique spatiale et l'imagerie Raman sans marquage pour décoder l'architecture biochimique et moléculaire du vieillissement dans le poumon et la peau de souris. Appliqué à des souris âgées de 2 et 26 mois, il cartographie les programmes de sénescence spécifiques aux tissus et identifie une signature Raman conservée des acides gras à chaîne ramifiée (1131–1135 cm⁻¹) qui marque de manière fiable les cellules sénescentes p21+ dans différents organes. Un « code-barres multimodal » d'apprentissage automatique fusionne des caractéristiques biochimiques et transcriptionnelles pour une identification non destructive de la sénescence. Dans un modèle de cicatrisation des plaies, RamanOmics capture également la réactivation coordonnée de gènes de réparation de la barrière cutanée associée à des déplacements Raman lipidiques correspondants, démontrant ainsi l'utilité de la plateforme au-delà du vieillissement en état stationnaire.

Résumé détaillé

Comprendre le vieillissement nécessite bien plus que des données d'expression génique. La composition lipidique, la conformation des protéines, la chimie de la matrice extracellulaire et les états métaboliques gouvernent tous la fonction cellulaire — pourtant ces couches biochimiques sont invisibles pour les outils génomiques standard. RamanOmics répond à cette lacune en combinant le séquençage de l'ARN en noyaux isolés (snRNA-seq), le séquençage et l'hybridation in situ STARmap (STARmap-ISS/ISH), et l'imagerie Raman hyperspectrale sans marquage au sein d'une plateforme multimodale unique qui cartographie les états vibrationnels-biochimiques et moléculaires à résolution unicellulaire dans des tissus intacts.

L'équipe a collecté des tissus pulmonaires et cutanés de souris jeunes (2 mois) et âgées (26 mois), générant plus de 47 000 transcriptomes en noyaux isolés de haute qualité, accompagnés d'images Raman à enregistrement spatial et de cartes transcriptomiques spatiales couvrant 890 gènes, dont 190 marqueurs spécifiques de la sénescence. Les signatures de vieillissement au niveau tissulaire se sont révélées remarquablement spécifiques à chaque tissu : les poumons âgés présentaient une activation immunitaire chronique, un remodelage endothélial et vasculaire, ainsi qu'une dérégulation de la matrice extracellulaire, tandis que la peau âgée exhibait un déclin métabolique, une homéostasie ionique altérée et des programmes de traitement de l'ARN modifiés. L'analyse par Earth Mover's Distance a quantifié la divergence transcriptionnelle au niveau du type cellulaire, identifiant les cellules endothéliales et les lymphocytes T dans le poumon, ainsi que les fibroblastes et les cellules épidermiques interfollikulaires dans la peau, comme les populations les plus altérées par le vieillissement.

En utilisant p21 comme marqueur canonique de la sénescence, les auteurs ont identifié les populations de cellules sénescentes et leurs programmes transcriptionnels spécifiques à chaque organe. Les cellules sénescentes pulmonaires étaient dominées par des gènes de remodelage de la matrice extracellulaire et de signalisation TGF-β (Serpine1, Dab2, Igfbp7), tandis que les cellules sénescentes cutanées présentaient des modules de kératinisation et d'homéostasie de la barrière (Krt10, Lor, Sbsn). Fait crucial, l'imagerie Raman a révélé une signature biochimique conservée dans les deux tissus : un pic spectral à 1131–1135 cm⁻¹ lié aux acides gras à chaîne ramifiée, qui distingue de manière robuste les cellules sénescentes p21+ de leurs voisines non sénescentes, sans aucun marquage ni destruction tissulaire.

Pour unifier ces modalités, les chercheurs ont développé un « code-barres multimodal » dérivé de l'apprentissage automatique, qui intègre quantitativement les caractéristiques spectrales Raman aux données transcriptionnelles. Ce code-barres permet l'identification in situ non destructive des cellules sénescentes et fournit une lecture plus riche et plus complète de l'état cellulaire que chacune des modalités prise séparément. Dans une expérience de cicatrisation, RamanOmics a capturé le recâblage dynamique des cellules sénescentes, documentant une régulation à la hausse coordonnée des gènes de réparation de la barrière (Krt10, Lor, Sbsn, Sfn, Dmkn) accompagnée d'augmentations correspondantes des signaux Raman associés aux lipides — confirmant que la plateforme peut suivre les transitions d'état biologique en réponse à des stimuli physiologiques.

En tant que prépublication, ces résultats sont en attente d'évaluation par les pairs. L'étude est actuellement limitée aux modèles murins, et la transposition aux tissus humains nécessitera une validation. Le débit de l'imagerie Raman et son intégration dans les flux de travail existants de pathologie clinique demeurent des défis pratiques. Néanmoins, RamanOmics représente une avancée conceptuelle et technique vers un profilage non destructif et sans marquage des états de vieillissement cellulaire dans des tissus vivants ou minimalement traités.

Principales conclusions

  • A conserved Raman peak at 1131–1135 cm⁻¹ (branched-chain fatty acids) reliably marks p21+ senescent cells across lung and skin.
  • Lung senescence is dominated by ECM/TGF-β genes (Serpine1, Dab2, Igfbp7); skin senescence by keratinization genes (Krt10, Lor, Sbsn).
  • A machine learning 'multimodal barcode' fuses Raman and transcriptional features for non-destructive senescent cell identification.
  • Wound healing triggers coordinated reactivation of barrier-repair gene programs and matching lipid Raman signatures in senescent skin cells.
  • Over 47,000 single-nucleus transcriptomes plus spatially registered Raman maps reveal cell-type-specific aging trajectories in intact tissues.

Méthodologie

Des souris jeunes (2 mois) et âgées (26 mois) ont été utilisées (n=3 par groupe et par tissu). Des coupes de poumon et de peau incluses en OCT congelé ont fait l'objet d'un snRNA-seq, d'une transcriptomique spatiale STARmap-ISS (panel de 890 gènes), d'une validation STARmap-ISH et d'une imagerie Raman hyperspectrale sans marquage, l'ensemble de ces modalités étant intégré de manière computationnelle via un pipeline de machine learning personnalisé.

Limites de l'étude

Il s'agit d'un préprint qui n'a pas encore été soumis à l'évaluation par les pairs. Toutes les expériences ont été réalisées sur des souris ; la validation sur tissus humains est absente. Le débit de l'imagerie Raman et son intégration pratique dans les circuits d'anatomopathologie clinique constituent des obstacles importants à une traduction à court terme.

Ce résumé vous a plu ?

Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.

Saisissez votre e-mail pour vous abonner :