Des chercheurs de l'Institut de psychiatrie, psychologie et neurosciences (IoPPN) du King's College de Londres ont mené une étude approfondie pour évaluer les horloges de vieillissement basées sur l'intelligence artificielle, qui prédisent la santé et la durée de vie à l'aide de données sanguines.
Les chercheurs ont formé et testé 17 algorithmes d’apprentissage automatique en utilisant des données sur des marqueurs sanguins provenant de plus de 225 000 participants à la biobanque britannique, âgés de 40 à 69 ans au moment de leur recrutement. Ils ont étudié dans quelle mesure différentes horloges métabolomiques du vieillissement prédisent la durée de vie et dans quelle mesure ces horloges étaient associées aux mesures de la santé et du vieillissement.
L'âge métabolomique d'une personne, son « MileAge », est une mesure de l'âge que semble avoir son corps à l'intérieur, en fonction de marqueurs présents dans le sang appelés métabolites. Les métabolites sont de petites molécules produites au cours du processus métabolique, par exemple lorsque les aliments sont transformés en énergie. La différence entre l'âge prévu par le métabolite d'une personne et son âge chronologique, appelé MileAge delta, indique si son vieillissement biologique est accéléré ou ralenti.
L'étude a été publiée dans Avancées scientifiques et est le premier à comparer de manière exhaustive différents algorithmes d'apprentissage automatique sur leur capacité à développer des horloges biologiques du vieillissement à l'aide de données métabolites, en exploitant l'un des plus grands ensembles de données au monde. Il a été financé par le Maudsley Biomedical Research Center (BRC) du National Institute for Health and Care Research (NIHR) et a utilisé les données de la biobanque britannique.
Les personnes présentant un vieillissement accéléré (c'est-à-dire dont l'âge prédit par les métabolites était supérieur à leur âge chronologique) étaient, en moyenne, plus fragiles, plus susceptibles de souffrir d'une maladie chronique, évaluaient leur état de santé et présentaient un risque de mortalité plus élevé. Ils avaient également des télomères plus courts (« coiffes » à l'extrémité des chromosomes), qui sont un marqueur du vieillissement cellulaire et liés à des maladies liées à l'âge telles que l'athérosclérose. Cependant, le vieillissement biologique ralenti (avec un âge prévu par les métabolites inférieur à l’âge chronologique) n’était que faiblement lié à une bonne santé.
Les horloges vieillissantes pourraient aider à détecter les premiers signes d’un déclin de la santé, permettant ainsi des stratégies et des interventions préventives avant l’apparition de la maladie. Ils peuvent également permettre aux gens de suivre de manière proactive leur état de santé, de faire de meilleurs choix de vie et de prendre des mesures pour rester en bonne santé plus longtemps.
Les horloges métabolomiques du vieillissement ont le potentiel de fournir des informations sur les personnes susceptibles de courir le plus grand risque de développer des problèmes de santé plus tard dans la vie. Contrairement à l’âge chronologique, qui ne peut être modifié, notre âge biologique est potentiellement modifiable. Ces horloges fournissent une mesure indirecte de l’âge biologique pour la recherche biomédicale et en santé, ce qui pourrait contribuer à façonner les choix de mode de vie des individus et à éclairer les stratégies préventives mises en œuvre par les services de santé. Notre étude a évalué un large éventail d'approches d'apprentissage automatique pour développer des horloges vieillissantes, montrant que les algorithmes non linéaires fonctionnent mieux pour capturer les signaux vieillissants.
Dr Julian Mutz, chercheur du King's Prize à l'IoPPN et auteur principal de l'étude
Le professeur Cathryn Lewis, professeur d'épidémiologie et de statistiques génétiques, co-responsable adjoint du thème Essais, génomique et prédiction au NIHR Maudsley BRC, et auteur principal de l'étude, a déclaré : « Il existe un intérêt considérable pour le développement d'horloges de vieillissement qui évaluent avec précision «
Les chercheurs ont découvert qu’une horloge métabolomique développée à l’aide d’un algorithme d’apprentissage automatique spécifique, appelé régression basée sur des règles cubistes, était la plus fortement associée à la plupart des marqueurs de santé et de vieillissement. Ils ont également constaté que les algorithmes capables de modéliser des relations non linéaires entre les métabolites et l’âge étaient généralement plus efficaces pour capturer des signaux biologiques informatifs sur la santé et la durée de vie.
