Wie ein einfacher Blutuntersuchung zukünftige Gesundheitsrisiken prognostizieren kann

Eine wegweisende britische Biobank -Studie zeigt, wie ein einzelner Bluttest das alternde Tempo Ihrer Organe prognostizieren kann, wodurch enthüllt, wer das größte Risiko hat und die Tür für gezielte Präventionsstrategien öffnet.

In einer kürzlich im Journal veröffentlichten Studie NaturmedizinEine Gruppe von Forschern stellte fest, ob von Plasma abgeleitete Organalter-Vorhersagen Erkrankungen und Mortalität prognostizierte, und identifizierte die Organe, die die größte Langlebigkeit der Menschen beeinflussen.

Hintergrund

In jeder Minute beanspruchen altersbedingte Erkrankungen weltweit mehr Leben als Infektionskrankheiten. Das „Ticken“, das unsere Organe zum Niedergang treibt, ist jedoch alles andere als einheitlich: 24-Jährige können sich im physiologischen Alter ihrer Herzen oder des Gehirns um ein Jahrzehnt unterscheiden. Diese Lücke prägt, wie schnell jemand mit Herzversagen, Demenz oder Gebrechlichkeit ausgesetzt sein könnte und das abstrakte Konzept des Alterns in ein zutiefst persönliches Problem verwandelt. Das Streifen, welches Alter der Organe am schnellsten ist, könnte die vorbeugende Versorgung schärfen und den boomenden Langlebigkeitsmarkt vom Hype hin zum messbaren Nutzen ablenken. Aktuelle biologische Uhren bieten selten organspezifische Einblicke oder prognostizieren zukünftige Krankheitsereignisse zuverlässig, sodass bessere Werkzeuge dringend erforderlich sind.

Über die Studie

In der Vereinigten Königreichsbiobank (UKB) analysierten die Forscher Plasma von 44.498 Erwachsenen im Alter von 40 bis 70 Jahren unter Verwendung eines Olink-Proximity-Extension-Assays, um 2.916 Proteine zu quantifizieren. Gene aus der Genotyp-Gewebeexpression (GTEX) Atlas-ATLAS-Proteine, die in einem von elf Organen ≥ 4-fach angereichert sind, einschließlich Gehirn, Herz, Lung, Leber, Nieren, Immungewebe, Arterie, Fettgewebe, Darm, Pankreas und Skelettmuskel. Für jedes Organ prognostizierte ein Modell des LASSO -Modells (Last absoluter Schrumpfung und Auswahloperator) das chronologische Alter in einem Trainingssatz und wurde an anderer Stelle validiert. Der restliche, zahlreiche Unterschied schuf eine „Altersunterschiede“. Cox Proportional-Hazards-Modelle verwandte Alterslücken mit einem Standard-Deviation in ein Zwischenfall über 17 Jahre, die sich an Alter und Geschlecht anpassen.

Multivariable lineare Modelle testeten Assoziationen mit Lebensstil, sozioökonomischem Status und Medikamentenkonsum, während die Hirnvolumina der Magnetresonanztomographie (MRT) mit dem Hirnalter auf Plasmabasis in einer verschachtelten Probe verglichen wurden. Extreme AGER wurden durch Alterslücken ≥ 1,5 Standardabweichungen definiert; Das Sterblichkeitsrisiko wurde nach weiterer Anpassung an Serum -Cystatin C, phänotypisches Alter und Apolipoprotein E (APOE) gegen die Anzahl der alten oder jugendlichen Organe modelliert. Qualitätskontrolle entfernte extreme Ausreißer, unterstellte fehlende Werte und angewendete Korrektur von Falsch-Discovery-Rate. Die ethische Genehmigung wurde vom North West Multitre Research Ethics Committee erteilt, und alle Teilnehmer erteilten eine schriftliche Einverständniserklärung. Alle Analysen wurden in Python unter Verwendung von Paketen wie Scikit-Learn und Lebenslinien durchgeführt.

Studienergebnisse

Die scharfe Divergenz zwischen Organuhren, die durch eine mittlere Paar-Alter-Lücke-Korrelation von nur 0,21 belegt wird, bestätigt, dass die biologische Alterung asynchron über Gewebe hinweg fortschreitet. In der Studie wurde auch Geschlechtsunterschiede festgestellt, wobei Männer im Durchschnitt ältere Nieren, Immunsysteme und Darms zeigten, während Frauen ältere Fettgewebe, Arterien und Herzen hatten. Eine ein Standard-Deviation-Zunahme des Herzalters prognostizierte Herzinsuffizienz (HR = 1,83), Bauchspeicheldrüse und Nierenalter eine chronische Nierenerkrankung (HRS von 1,80 bzw. 1,66) und das Lungenalter prognostizierte chronisch obstruktive Lungenerkrankungen (COPD) (HR = 1,39). Das Gehirnalter allein prognostizierte Alzheimer -Krankheit mit einer Personalabteilung von 1,80, was ungefähr das Risiko ist, das von einem einzigen verliehen wird ApoE4 Allel. Jugendliche Gehirn ApoE2 Allele.

Die Vorhersagegenauigkeit in der Probe des Hold-out war stark, mit einem mittleren absoluten Fehler zwischen 2,8 Jahren für Nieren bis 4,6 Jahre für Immungewebe. Die Studie ergab, dass Organ -Altersmodelle eine zusätzliche Vorhersagekraft für die Mortalität lieferten, die über etablierte klinische Biomarker hinausging. Wichtig ist, dass Alterslücken mit dem Beginn der zukünftigen Krankheiten über einen Nachbeobachtungszeitraum von 2 bis 17 Jahren verbunden waren und ein Fenster für vorbeugende Maßnahmen liefern.

Rauchen, starkes Alkohol, verarbeitetes Fleisch, Schlaflosigkeit und sozioökonomische Entbehrung beschleunigten mehrere Organe, während kräftige Bewegung, ölige Fisch, Geflügel und tertiäre Bildung Organe jünger hielten. Unter 137 allgemeinen Produkten waren Ibuprofen, Glucosamin, Multivitamine, Vitamin C und Kabeljau-Öl mit jüngeren Nieren, Gehirnen oder Bauchspeicheldrüsen und konjugiertem Equine-Östrogen (Premarin) nach vorzeitiger Menopause assoziiert. Die Autoren stellen jedoch fest, dass diese Querschnittsergebnisse mit Vorsicht interpretiert werden sollten. Insbesondere waren einige Ergebnisse nicht intuitiv: Jugendliche Arterien waren paradoxerweise mit einem erhöhten Risiko für mehrere Krankheiten verbunden, einschließlich Typ-2-Diabetes und COPD.

Das Sterblichkeitsrisiko wurde durch die Anzahl der alten Organe verstärkt. Das Gehirnalter blieb der dominierende Treiber (HR = 1,59 pro Standardabweichung). Mit 2-4 gealterten Organen verdoppelte die Mortalität, während 5-7 sie vervierfacht; 8 oder mehr erhöhte das 8,3-fache der Gefahren, wobei 60% dieser Gruppe innerhalb von fünfzehn Jahren starben. Umgekehrt reduzierte ein jugendliches Gehirn oder ein Immunsystem das Risiko (HRS von 0,60 bzw. 0,58) und hatte beide Risiken noch weiter (HR = 0,44).

Proteinsignaturen wiesen auf plausible Mechanismen hin. Neurofilament -Lichtkette (NEFL), gliales Fibrillärprotein (GFAP) und Brevican (BCAN) dominierten das Gehirnalterung; Natriuretic Peptid (NT-ProBNP) vom Renin (Ren) und N-terminaler Pro-B-Typ führte Nieren- und Herzalterung; und Matrix-Metalloproteinase-9 (MMP9) war ein Schlüsselprotein in einem angereicherten Immunsystemweg, der mit Neuroinflammation verbunden war. Plasma- und MRT -Gehirnuhren stimmten schwach vereinbart (r = 0,18), was impliziert, dass sie komplementäre Stadien der Neurodegeneration erfassen. Die Autoren stellen fest, dass die Ergebnisse möglicherweise eine Neukalibrierung für die Verwendung in verschiedenen Populationen benötigen, da die Studienteilnehmer überwiegend europäische Vorfahren waren. In einer Merkmalswichtigkeitsanalyse wurde entzündliche und extrazelluläre Matrix-Wege als dominante Themen hervorgehoben, was darauf hindeutet, dass die Immunosenszenz und die Stromalumgestaltung gemeinsame Hebel sind, um den systemischen Rückgang weltweit zu verlangsamen und zukünftige Studien zu lenken.

Schlussfolgerungen

Zusammenfassend lässt sich sagen, dass diese groß angelegte proteomische Studie zeigt, dass ein einzelnes Blut-Draw das biologische Alter einzelner Organe, das Risiko der verborgenen Krankheiten entlarvt und den lebensverlängerenden Wert von widerstandsfähigem Gehirn und Immunsystemen quantifiziert. Die Erkenntnisse machen das Altern persönlich: Obwohl jeder chronologisch voranschreitet, entscheiden die Auswahlmöglichkeiten wie das Aufhören des Rauchens, um eine kräftige Bewegung oder eine maßgeschneiderte Hormontherapie aufzunehmen, ob lebenswichtige Organe Sprint oder Spaziergang in Richtung Degeneration. Durch die Integration von Plasmauhren in die routinemäßige Versorgung könnte frühere organismische Interventionen ausgelöst, aufstrebende Anti-Aging-Medikamente bewertet und die öffentliche Messaging der Öffentlichkeit schärfen. Zukünftige Arbeiten sollten Algorithmen in verschiedenen Bevölkerungsgruppen validieren und testen, ob die sichere Änderung des Organsalters das Gesundheitswesen weltweit verlängert.

Quellen: