AI prognostiziert biologische Alterung unter Verwendung von Steroidwegen

Das KI-angetriebene Modell sagt eine biologische Alterung durch Steroidwege voraus und hebt wichtige Biomarker wie Cortisol hervor.

Eine aktuelle Wissenschaft Fortschritte Die Studie diskutiert eine neue Methode zur Vorhersage der biologischen Alterung (BA) unter Verwendung eines tiefen neuronalen Netzwerks (DNN), das auf Wegen der Steroidogenese basiert.

Was ist Alterung?

Altern ist ein komplexer biologischer Prozess, der aufgrund der Akkumulation von molekularen und zellulären Schäden entsteht, die zu einem funktionellen Rückgang führt. Infolgedessen erhöht das Altern das Risiko vieler Krankheiten, einschließlich Parkinson -Krankheit, Alzheimer -Krankheit und Osteoporose.

Während die chronologische Alterung (CA) den Zeitverlauf widerspiegelt, gibt BA Einblicke in die biologischen Prozesse, die beim Altern beteiligt sind.

Methoden zur Messung der biologischen Alterung

Die Bewertung von BA ist sehr komplex, da es sowohl durch genetische als auch durch nicht genetische Faktoren beeinflusst wird. Die verfügbaren Methoden zur Messung von BA sind häufig mit einer unzureichenden prädiktiven Qualität verbunden, da diese Ansätze auf phänotypischen Indikatoren wie Griffstärke und Lungenkapazität beruhen, denen keine Standardisierung und Präzision fehlt.

In den letzten Jahren haben sich die Forscher von herkömmlichen phänotypischen Indikatoren zu intrinsischeren Maßnahmen wie Blutzahlen und biochemischen Tests zur Beurteilung der physiologischen Alterung übergegangen. Diese Marker spiegeln jedoch nicht genau spezifische Stoffwechsel- oder physiologische Wege wider, die zum Altern beitragen.

Omics -Technologien, einschließlich Epigenomik und Metabolomik, wurden auch verwendet, um das Altern auf molekularer Ebene zu analysieren und die Genauigkeit von BA -Modellen zu verbessern. Obwohl diese Methoden DNA -Methylierungs- und Proteomikdaten interpretieren können, sind sie in ihrer Fähigkeit begrenzt, spezifische Biomarker zu identifizieren, die mit dem während des Altern betroffenen Stoffwechselwege verbunden sind.

Moderne Techniken für maschinelles Lernen wie zufällige Wälder, Stützvektormaschinen (SVMs) und DNN wurden auch verwendet, um komplexe biologische Prozesse im Zusammenhang mit dem Altern zu messen. Da DNN hochdimensionale Daten bewältigen kann, wurden sie verwendet, um BA vorherzusagen. Diese Modelle sind jedoch anfällig für Überanpassung, was ihre Leistungsfähigkeiten verringern kann.

Über die Studie

Die aktuelle Studie entwickelte ein DNN -Modell basierend auf Wegen der Steroidogenese, um die Genauigkeit der BA -Vorhersage zu verbessern. Steroide, die durch Flüssigchromatographie-Tandem-Massenspektrometrie (LC-MS/MS) quantifiziert wurden, wurden in vier Gruppen geschichtet, basierend auf Geschlecht und Bezeichnung für Training oder unabhängige Validierung.

Datenskalierungstechniken wurden verwendet, um die physiologische und experimentelle Variabilität anzugehen. Im Gegensatz zu früheren Modellen enthält das aktuelle DNN-Modell eine benutzerdefinierte Verlustfunktion, die die progressive Heterogenität des Alterns ausmacht. Dieses DNN -Modell soll biochemische Prozesse in wichtige Steroidwege einbeziehen, was die biologische Interpretierbarkeit des Modells erheblich verbessert.

Diese Studie modellierte BA unter Verwendung von Daten von 100 gesunden Teilnehmern zwischen 20 und 73 Jahren sowie einer zweiten Validierungskohorte von 50 Teilnehmern zwischen 40 und 59 Jahren.

Studienergebnisse

Eine validierte Methode wurde verwendet, um 22 Steroide bei 150 Personen zu quantifizieren. Von den 100 Serumproben, die für die Modellierung verwendet wurden, wurden zwei aufgrund von Problemen ausgeschlossen, die einer Quantifizierungsgrenze (LOQ) zugeschrieben wurden. Unterschiede in den Estron (E1) -Pegeln in weiblichen Proben waren wahrscheinlich auf Unterschiede im Menstruationszyklus zurückzuführen.

Der breitere Bereich von 7α-Hydroxydehydroepiandrosteron (7-OH-DHEA) könnte auf die Einbeziehung von Teilnehmern mit verschiedenen Altersgruppen zurückzuführen sein. Andere für dieses Modell berücksichtigte Steroide umfassen Tetrahydrocortisol (Th-Col), Tetrahydrocorticosteron (THB), Tetrahydrocortison (Th-Cor), 11-β-Hydroxyandrosteron (11-oh-an), Adrenosteron (AT) und Tetrahydrodrodrosteron (Thsol (Thsol).

Für die aktuelle DNN -Modellierung wurden demografische und physiologische Informationen für jeden Teilnehmer einschließlich Sex, CA, Blutgruppen, Rauchgewohnheiten und ethnische Zugehörigkeit berücksichtigt. Nach dem Training des Modells auf einem gut strukturierten Datensatz wurde die intrinsische Beziehung zwischen spezifischen Hormonen und physiologischem Altern untersucht.

Das aktuelle DNN-Modell ergab, wie unterschiedliche Steroide BA beeinflussen und signifikante geschlechtsspezifische Unterschiede zwischen weiblichen und männlichen Modellen identifizierten. Daher beeinflussen unterschiedliche Stoffwechselwege in jedem Geschlecht die Alterung von Wagen, wobei Corticosteroid- und Sexualhormonwege an BA beteiligt sind.

Cortisol (COL), ein mit Stress verbundener Steroid, wurde als signifikanter Biomarker für das Altern identifiziert. Das DNN -Modell stellte eine positive Korrelation zwischen Col und BA fest, was darauf hinweist, dass COL aufgrund seiner Beteiligung an Prozessen wie Gluconeogenese und Entzündung als Biomarker für das Altern angesehen werden kann.

Das weibliche Modell ergab, dass Steroide wie 17-OH-P4, Cor, COS und Th-Col BA positiv beeinflussen, während BA bei Männern durch Schwangerolon- und Testosteronspiegel betroffen ist.

Im Vergleich zu Nichtrauchern waren nur männliche Raucher mit einer mehr beschleunigten alternden Flugbahn verbunden, die auf eine geringere Raucherfrequenz bei Frauen als Männer zurückzuführen ist.

Schlussfolgerungen

Das aktuelle DNN -Modell erfasst die zunehmende Heterogenität des Alterns über die Zeit und komplexe biologische Prozesse, die durch die Steroidogenese beeinflusst werden, genau. Die Studienergebnisse zeigen, dass Steroidprofile, insbesondere COL, als dynamische Biomarker verwendet werden können, um den dynamischen Alterungsprozess aufzuklären.

In Zukunft kann dieses DNN -Modell verfeinert werden, um das gesamte Cholesterinspiegel als Referenz zu nutzen, was die Vorhersagegenauigkeit in Datensätzen mit weniger Steroidmessungen beibehalten könnte. Wichtig ist, dass dieses Modell mit einem vielfältigen Datensatz geschult werden muss, das sowohl Umwelt- als auch Verhaltensfaktoren berücksichtigt und gleichzeitig untersucht, wie sich bestimmte geschlechtsspezifische Stoffwechselwege mit dem Altern unterscheiden.

Quellen: