L'Atlas SenCat Cartographie la Sénescence dans 14 Types de Cellules Humaines — Sans Marqueur Universel Identifié
Un catalogue multiomique de référence portant sur plus de 30 modèles de sénescence révèle des voies conservées mais aucun marqueur universel unique, ouvrant la voie à un score de sénescence fondé sur l'apprentissage automatique.
Résumé
Des chercheurs du National Institute on Aging des NIH ont développé SenCat, un atlas multiomique complet de la sénescence cellulaire, caractérisant les transcriptomes et les protéomes de 14 types cellulaires humains primaires dans plus de 30 conditions inductrices de sénescence. Malgré une analyse exhaustive, aucun marqueur ARN ou protéique unique n'était universellement élevé dans l'ensemble des cellules sénescentes. Des voies communes ont néanmoins émergé — notamment les voies p53, NF-κB, EMT, l'apoptose et la signalisation hypoxique — suggérant que la sénescence converge vers des programmes conservés de réponse aux dommages et de réparation tissulaire, même lorsque les molécules spécifiques impliquées diffèrent. Un cadre d'apprentissage automatique a ensuite permis de dériver des scores de sénescence pondérés, capables de distinguer de manière fiable les cellules sénescentes des cellules non sénescentes dans des jeux de données humains et murins, aussi bien à résolution bulk qu'à résolution unicellulaire. SenCat constitue une ressource majeure pour le domaine du vieillissement, permettant une détection, une évaluation et une étude plus précises des cellules sénescentes dans différents tissus et espèces.
Résumé détaillé
La sénescence cellulaire — état d'arrêt irréversible du cycle cellulaire accompagné du phénotype sécrétoire associé à la sénescence (SASP) — joue un double rôle en biologie : bénéfique lors de la cicatrisation et du développement embryonnaire, mais néfaste lorsque les cellules sénescentes s'accumulent de manière anormale et alimentent l'inflammation chronique, la fibrose et les pathologies liées à l'âge. Malgré des décennies de recherche, le domaine manquait d'un catalogue de référence moléculaire complet couvrant divers types cellulaires et déclencheurs de sénescence. Le projet SenCat a été conçu pour combler cette lacune critique grâce à un profilage multiomique contrôlé à grande échelle.
L'équipe de recherche, rattachée au NIA Intramural Research Program, a profilé 14 types cellulaires humains primaires, dont deux types de fibroblastes (WI-38 pulmonaire, BJ cutané), deux types épithéliaux (HSAEC, HEKn), deux types endothéliaux (HCAEC, HUVEC), des cellules souches mésenchymateuses de moelle osseuse, des cellules musculaires lisses vasculaires, des myoblastes squelettiques, des cellules mononucléées du sang périphérique, des préadipocytes, des ostéoblastes, des astrocytes et des mélanocytes. Chaque type cellulaire a été soumis à plusieurs paradigmes de sénescence : induite par chimiothérapie (CTIS), par rayonnements ionisants (IRIS), par stress oxydatif (OSIS) et par oncogène (OIS), générant plus de 30 modèles distincts de sénescence. La sénescence a été rigoureusement confirmée par des tests d'incorporation de BrdU, l'activité SA-β-galactosidase et l'expression de marqueurs canoniques incluant p16, p21, IL6, GDF15 et LMNB1 — avec l'exigence stricte qu'une mort cellulaire minimale se produise.
La découverte centrale, et peut-être la plus significative, a été l'absence totale d'un marqueur universel de sénescence, aussi bien au niveau de l'ARN qu'au niveau protéique. Même au sein d'un seul type cellulaire, l'augmentation du nombre de paradigmes de sénescence analysés réduisait progressivement la liste des marqueurs partagés — les agents directement inducteurs de dommages à l'ADN (chimiothérapie et rayonnements ionisants) ne partageant qu'environ 50 % de leurs marqueurs surexprimés ou sous-exprimés. Fait notable, bien que les ARNm de CDKN1A (p21) et de GDF15 figuraient parmi les 20 transcrits les plus largement surexprimés, leurs protéines correspondantes n'apparaissaient pas dans les 20 protéines les plus fréquemment surexprimées, révélant une importante discordance post-transcriptionnelle. LMNB1 s'est montré remarquablement constant en tant que marqueur sous-exprimé, aussi bien au niveau de l'ARN que des protéines. Le chevauchement transcriptomique-protéomique au sein d'un type cellulaire donné ne dépassait pas 20 %, soulignant une complexité régulatrice à plusieurs niveaux.
Malgré l'absence de marqueurs individuels universels, l'analyse au niveau des voies de signalisation à l'aide de la base de données Hallmark gene set a mis en évidence une biologie conservée. Les voies robustement activées dans presque chaque type cellulaire comprenaient la signalisation p53, la transition épithélio-mésenchymateuse (EMT), l'activation du NF-κB, la régulation de l'apoptose et la réponse à l'hypoxie — positionnant les cellules sénescentes comme des entités répondant aux dommages et engagées dans la réparation tissulaire et la reprogrammation métabolique. Cette conservation des voies s'est maintenue même lorsque les effecteurs moléculaires spécifiques différaient entre les types cellulaires et les déclencheurs.
Pour traduire ce catalogue en outils pratiques, l'équipe a appliqué l'apprentissage automatique afin de dériver des scores de sénescence pondérés intégrant des caractéristiques transcriptomiques et protéomiques. Ces signatures SenCat affinées par apprentissage automatique distinguaient de manière robuste les états sénescents des états non sénescents dans des jeux de données humains et murins indépendants, aussi bien à la résolution du RNA-seq en vrac qu'à celle du RNA-seq en noyaux uniques. La validation dans des poumons et reins de souris traités à la doxorubicine a montré que les marqueurs SenCat capturaient des profils dynamiques et spécifiques aux types cellulaires de l'accumulation de cellules sénescentes au fil du temps. La ressource a également été validée dans des données snRNA-seq de tissus murins naturellement vieillis et dans des jeux de données protéomiques en vrac provenant de plusieurs organes. Une étude complémentaire démontre également que la composante protéomique de SenCat peut soutenir la découverte de biomarqueurs spécifiques au sénotype dans le plasma humain, ouvrant la voie à de futures applications cliniques dans la surveillance de la sénescence.
Principales conclusions
- 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
Méthodologie
L'étude a établi le profil de 14 types cellulaires humains primaires dans plus de 30 paradigmes de sénescence, en utilisant le séquençage de l'ARN pour la transcriptomique et la spectrométrie de masse pour la protéomique, en comparant les cellules sénescentes à des cellules en prolifération ou à des contrôles vecteur vide. La sénescence a été validée par incorporation de BrdU (arrêt du cycle cellulaire), activité de la SA-β-galactosidase et expression de marqueurs canoniques (p16, p21, IL6, GDF15, LMNB1), avec exclusion stricte des conditions provoquant une mort cellulaire significative. L'enrichissement des voies a été réalisé à l'aide de la base de données de gènes Hallmark, et un cadre d'apprentissage automatique a été appliqué pour dériver des scores de sénescence pondérés, validés dans des jeux de données indépendants de snRNA-seq murin et de protéomique en vrac. Les seuils statistiques comprenaient un seuil de variation en log2 ≥ 0,585 (équivalent à un changement de 1,5 fois) pour la désignation des marqueurs.
Limites de l'étude
Le catalogue est construit exclusivement à partir de modèles de cellules primaires in vitro, qui peuvent ne pas reproduire fidèlement la complexité microenvironnementale de la sénescence dans les tissus vivants. Bien que les signatures ML aient été validées sur des jeux de données murins et des données humaines indépendantes, la généralisabilité inter-espèces et les performances dans des contextes spécifiques de maladies humaines restent à établir de manière systématique. L'étude n'aborde pas la dynamique temporelle du phénotype sénescent au-delà des points temporels de profilage utilisés, et les auteurs soulignent que la faible concordance transcriptomique-protéomique (< 20 %) justifie des investigations mécanistiques approfondies sur la régulation post-transcriptionnelle dans la sénescence.
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 :