Un simple test sanguin pourrait-il révéler à quel point quelqu'un vieillit bien? Une équipe de chercheurs dirigée par Wolfram Weckwerth de l'Université de Vienne, d'Autriche et de l'Université de Nankai, en Chine, a combiné la métabolomique avancée avec l'apprentissage automatique de pointe et un nouvel outil de modélisation de réseau pour découvrir les processus moléculaires clés sous-jacents à un âge actif. Leur étude, publiée dans The Nature Journal Biologie et applications des systèmes NPJidentifie l'aspartate comme un biomarqueur dominant de la forme physique et cartographie les interactions dynamiques qui soutiennent le vieillissement plus sain.
On sait depuis longtemps que l'exercice protège la mobilité et réduit le risque de maladie chronique. Pourtant, les processus moléculaires précis qui traduisent l'activité physique en vieillissement plus sain sont restés mal compris. Les chercheurs ont décidé de répondre à une question simple mais puissante: pouvons-nous voir les avantages d'un mode de vie actif chez les personnes âgées directement dans le sang – et identifier les molécules qui comptent le plus?
Sommaire
Des tests de fitness aux empreintes digitales de sang: un indice d'activité corporelle et un indice de métabolomique
Les chercheurs ont d'abord synthétisé un seul « indice d'activité corporelle » (BAI) en appliquant une analyse de corrélation canonique aux scores à distance de marche, aux tests de chaise-piste, à la force des poignées et aux évaluations de l'équilibre. Cette métrique composite de performance physique capture l'endurance, la résistance et la coordination dans une mesure robuste. Indépendamment, un «indice de métabolomique» a été dérivé de concentrations sanguines de 35 métabolites en petite molécule. Sur 263 échantillons d'adultes plus âgés, ces deux indices ont montré un coefficient de corrélation de Pearson de 0,85 (p <1 × 10⁻¹⁹), démontrant que la signature moléculaire dans le sang reflète la mesure composite de la forme physique.
L'apprentissage automatique met en évidence des groupes actifs et moins actifs et leur signature métabolique
Pour capturer des modèles complexes et non linéaires, les chercheurs ont formé cinq modèles d'apprentissage à la machine différents – allant de simples approches statistiques (modèle linéaire généralisé, GLM) à des méthodes plus avancées telles que les arbres de décision boostés (Machine de stimulation du gradient, GBM; XGBOost) et un réseau autoencoder en profondeur d'apprentissage. Chaque modèle a été réglé avec des contrôles transversaux répétés (double validation croisée) et testés sur des données indépendantes pour garantir des performances robustes. Les deux méthodes de boosting (GBM et XGBOost) ont atteint une grande précision, distinguant «actif» des participants «moins actifs» dans plus de 91% des cas (zone sous la courbe, AUC> 0,91). Dans les cinq algorithmes, huit métabolites sont devenus régulièrement comme des prédicteurs du niveau d'activité: aspartate, proline, fructose, acide malique, pyruvate, valine, citrate et ornithine. Parmi eux, l'aspartate s'est démarqué d'un facteur de deux à trois, confirmant son rôle central de marqueur moléculaire du vieillissement actif.
REBWIRING NETROWA
La corrélation à elle seule ne peut expliquer pourquoi certaines molécules sont liées à la forme physique. Pour découvrir les mécanismes sous-jacents, l'équipe a appliqué Covrecon, un outil de modélisation basé sur les données. En termes simples, Covrecon examine comment les métabolites varient ensemble, puis reconstruit le réseau d'interactions biochimiques entre elles. Mathématiquement, cela impliquait d'estimer une matrice jacobienne différentielle – un moyen d'identifier les connexions enzymatiques changent le plus entre les groupes actifs et moins actifs. Cette analyse a révélé deux enzymes bien connues, l'aspartate aminotransférase (AST) et l'alanine aminotransférase (ALT), comme centres centraux du réseau. Les deux sont des marqueurs standard dans les panneaux hépatiques cliniques, mais ici, ils sont devenus des indicateurs de la façon dont l'activité remodèle le métabolisme. Surtout, les prédictions ont été confirmées par des tests sanguins de routine: au cours de la période d'étude de six mois, l'AST et l'ALT ont fluctué plus fortement chez les participants actifs que dans leurs pairs moins actifs – suggérant une plus grande flexibilité métabolique dans la fonction hépatique et musculaire.
Implications pour la santé du cerveau et la démence
L'aspartate est plus qu'un simple intermédiaire métabolique: dans le cerveau, il sert également de précurseur des neurotransmetteurs, activant les récepteurs NMDA qui sont essentiels à l'apprentissage et à la mémoire. Ce double rôle fournit un lien possible entre la forme physique et la santé cognitive. Des études indépendantes ont montré que de faibles niveaux AST et ALT dans la quarantaine – ou un rapport AST / ALT élevé – sont associés à un risque accru de maladie d'Alzheimer et de déclin cognitif lié à l'âge. En démontrant que l'activité physique entraîne des changements dynamiques dans le métabolisme de l'aspartate et dans la plasticité de ces deux enzymes, la présente étude pointe vers un pont moléculaire entre la santé musculaire du foie et la résilience cérébrale. Ces résultats suggèrent un message simple: l'activité physique aide à préserver la force et la mobilité, et peut également contribuer à protéger le cerveau de la démence par des changements mesurables dans les voies de signalisation à base d'acides aminés.
L'activité physique fait plus que la construction de la masse musculaire. Il recâble notre métabolisme au niveau moléculaire. En décodant ces changements, nous pouvons suivre – et même guider – comment quelqu'un vieillit. «
Wolfram Weckwerth, Université de Vienne
