此文提出了 TLPath，一个基于深度学习的框架，它能够根据从常规组织病理图像中提取的组织形态学特征预测组织整体的端粒长度。TLPath 的核心论点是端粒长度可以通过组织形态学来确定。该框架使用来自 919 名个体和 18 个器官的 5000 多张全切片图像进行训练，结果表明，提取的形态学特征能够自然地区分年轻、中年和老年个体，这表明衰老会导致组织结构发生变化，而无需显式地进行年龄标注。
这些特征能够准确预测 11 种组织的端粒长度（相关系数 r = 0.51），其预测性能优于实际年龄。这使我们能够根据形态学特征识别出端粒长度显著短于预期值的年轻组织和端粒长度保持完好的老年组织。模型解释表明，TLPath 利用了衰老标志物，包括核质比增加和核形状异质性改变，这些都与端粒缩短有关。
在约 2800 例 GTEx 活检样本中，TLPath 检测到 1 型和 2 型糖尿病患者多个组织中端粒缩短，并通过实验验证了这一结果。基于 H&E 染色的组织形态学可以确定整体端粒缩短情况，从而实现大规模端粒生物学研究。
🔗：https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(26)00036-6