L'IA e la Multi-Omica Rivelano la Diversità Nascosta delle Cellule che Invecchiano nei Tessuti Umani

La senescenza cellulare è uno stato biologico in cui le cellule interrompono permanentemente la divisione pur rimanendo metabolicamente attive, secernendo segnali infiammatori che danneggiano i tessuti circostanti. A lungo riconosciuta come un segno distintivo dell'invecchiamento, la senescenza è oggi intesa come un fenomeno molto più eterogeneo di quanto si ritenesse in passato — con variazioni notevoli in base al tipo cellulare, al contesto tissutale e allo stato patologico. Comprendere questa diversità è fondamentale per sviluppare terapie efficaci prive di effetti collaterali dannosi.

Questa revisione del NIH SenNet Consortium, pubblicata su Cell (giugno 2026), sintetizza gli approcci emergenti per mappare sistematicamente le cellule senescenti nei tessuti umani. Gli autori descrivono l'integrazione del sequenziamento dell'RNA a singola cellula, della trascrittomica spaziale, dell'epigenomica e della proteomica con l'intelligenza artificiale per identificare e classificare distinte popolazioni di cellule senescenti, che definiscono "senotipi".

I risultati principali indicano che le cellule senescenti non costituiscono una popolazione monolitica. Tessuti diversi ospitano programmi di senotipi unici, e queste cellule instaurano un crosstalk peculiare con i rispettivi microambienti locali — influenzando le risposte immunitarie, la riparazione tissutale e la progressione delle malattie in modi fortemente dipendenti dal contesto. Le analisi guidate dall'intelligenza artificiale sono indispensabili per interpretare la complessità di questi dataset multidimensionali.

Tali scoperte hanno implicazioni dirette per l'identificazione di biomarcatori — consentendo potenzialmente ai clinici di rilevare la senescenza patologica in fase più precoce — e per la progettazione razionale di senoterapeutici, tra cui i senolitici (farmaci che eliminano le cellule senescenti) e i senomorfici (farmaci che modulano il loro comportamento secretorio). Prendere di mira senotipi specifici anziché tutte le cellule senescenti potrebbe migliorare notevolmente la precisione terapeutica.

Trattandosi di un articolo di revisione e prospettiva piuttosto che di uno studio su dati primari, le conclusioni sono sintetizzate dalla letteratura esistente. Il settore deve ancora affrontare le sfide legate alla validazione delle classificazioni dei senotipi in ampie coorti umane e alla traduzione di questi risultati in biomarcatori e terapie di livello clinico.