Le modèle propulsé par l'AI prédit le vieillissement biologique par des voies stéroïdes, mettant en évidence des biomarqueurs clés comme le cortisol.
Étude: Prédiction de l'âge biologique à l'aide d'un modèle DNN basé sur des voies de stéroïdogenèse. Crédit d'image: Shutterstock AI Générateur / Shutterstock.com
Un récent Avancées scientifiques L'étude discute d'une nouvelle méthode pour prédire le vieillissement biologique (BA) à l'aide d'un réseau neuronal profond (DNN) basé sur des voies de stéroïdogenèse.
Sommaire
Qu'est-ce que le vieillissement?
Le vieillissement est un processus biologique complexe qui survient en raison de l'accumulation de dommages moléculaires et cellulaires qui provoque un déclin fonctionnel. En conséquence, le vieillissement augmente le risque de nombreuses maladies, notamment la maladie de Parkinson, la maladie d'Alzheimer et l'ostéoporose.
Alors que le vieillissement chronologique (CA) reflète le passage du temps, BA fournit un aperçu des processus biologiques impliqués dans le vieillissement.
Méthodes pour mesurer le vieillissement biologique
L'évaluation du BA est très complexe, car elle est influencée par les facteurs génétiques et non génétiques. Les méthodes disponibles pour mesurer le BA sont souvent associées à une qualité prédictive inadéquate, car ces approches reposent sur des indicateurs phénotypiques, tels que la résistance à l'adhérence et la capacité pulmonaire, qui manquent de normalisation et de précision.
Au cours des dernières années, les chercheurs sont passés des indicateurs phénotypiques conventionnels à des mesures plus intrinsèques, telles que le nombre de sang et les tests biochimiques, pour évaluer le vieillissement physiologique. Cependant, ces marqueurs ne reflètent pas avec précision des voies métaboliques ou physiologiques spécifiques qui contribuent au vieillissement.
Les technologies omiques, y compris l'épigénomique et la métabolomique, ont également été utilisées pour analyser le vieillissement au niveau moléculaire et améliorer la précision des modèles BA. Bien que ces méthodes puissent interpréter les données de méthylation de l'ADN et de protéomique, elles sont limitées dans leur capacité à identifier des biomarqueurs spécifiques associés aux voies métaboliques affectées pendant le vieillissement.
Les techniques d'apprentissage automatique modernes comme les forêts aléatoires, les machines à vecteurs de support (SVM) et le DNN ont également été utilisées pour mesurer les processus biologiques complexes associés au vieillissement. Étant donné que DNN peut gérer des données de grande dimension, ils ont été utilisés pour prédire BA; Cependant, ces modèles sont sujets à un sur-ajustement, ce qui peut réduire leurs capacités de performance.
À propos de l'étude
La présente étude a développé un modèle DNN basé sur des voies de stéroïdogenèse pour améliorer la précision de la prédiction BA. Les stéroïdes, qui ont été quantifiés par chromatographie liquide, spectrométrie de masse-tandem (LC-MS / MS), ont été stratifiés en quatre groupes en fonction du sexe et de la désignation pour la formation ou la validation indépendante.
Des techniques d'échelle de données ont été utilisées pour traiter la variabilité physiologique et expérimentale. Contrairement aux modèles précédents, le modèle DNN actuel intègre une fonction de perte sur mesure qui tient compte de l'hétérogénéité progressive du vieillissement. Ce modèle DNN est conçu pour intégrer les processus biochimiques dans les principales voies stéroïdes, ce qui améliore considérablement l'interprétabilité biologique du modèle.
Cette étude a modélisé le BA en utilisant des données de 100 participants en bonne santé âgés de 20 à 73 ans, ainsi qu'une deuxième cohorte de validation de 50 participants entre 40 et 59 ans.
Résultats de l'étude
Une méthode validée a été utilisée pour quantifier 22 stéroïdes chez 150 individus. Sur les 100 échantillons de sérum utilisés pour la modélisation, deux ont été exclus en raison de problèmes attribués à une limite de quantification (LOQ). Les différences dans les niveaux d'estrone (E1) dans les échantillons féminins étaient probablement dues à des différences dans le cycle des menstruations.
La gamme plus large de 7α-hydroxydéhydroepiandrosterone (7-OH-Dhea) pourrait être due à l'inclusion de participants avec divers groupes d'âge. Les autres stéroïdes considérés pour ce modèle comprennent la tétrahydrocortisol (TH-Col), la tétrahydrocorticostérone (THB), la tétrahydrocortisone (Th-COR), le 11-β-hydroxyandrotérone (11-OH-AN), l'adrénostérone (AT) et le tétrahydrodéoxycortisol (Ths).
Pour la modélisation actuelle du DNN, les informations démographiques et physiologiques pour chaque participant, notamment le sexe, le CA, les groupes sanguins, les habitudes de tabagisme et l'ethnicité, ont été envisagés. Après avoir entraîné le modèle sur un ensemble de données bien structuré, la relation intrinsèque entre les hormones spécifiques et le vieillissement physiologique a été examinée.
Le modèle DNN actuel a révélé comment différents stéroïdes affectent le BA et ont identifié des différences significatives spécifiques au sexe entre les modèles féminins et masculins. Ainsi, des voies métaboliques distinctes dans chaque sexe influencent les trajectoires vieillissantes, avec des voies hormonales corticostéroïdes et sexuelles impliquées dans BA.
Le cortisol (COL), un stéroïde associé au stress, a été identifié comme un biomarqueur significatif du vieillissement. Le modèle DNN a établi une corrélation positive entre Col et BA, indiquant ainsi que COL peut être considéré comme un biomarqueur du vieillissement en raison de son implication dans des processus tels que la gluconéogenèse et l'inflammation.
Le modèle féminin a révélé que les stéroïdes comme 17-OH-P4, COR, COS et TH-Col influencent positivement le BA, tandis que le BA chez les hommes est affecté par les niveaux de prélénolone et de testostérone.
Par rapport aux non-fumeurs, seuls les fumeurs mâles étaient associés à une trajectoire de vieillissement plus accélérée, qui peut être attribuée à une fréquence de tabagisme plus faible chez les femmes que les hommes.
Conclusions
Le modèle DNN actuel capture avec précision l'hétérogénéité croissante du vieillissement dans le temps et les processus biologiques complexes influencés par la stéroïdogenèse. Les résultats de l'étude indiquent que les profils de stéroïdes, en particulier COL, peuvent être utilisés comme biomarqueurs dynamiques pour élucider le processus de vieillissement dynamique.
À l'avenir, ce modèle DNN peut être affiné pour tirer parti du cholestérol total comme référence, ce qui pourrait préserver la précision prédictive dans les ensembles de données avec moins de mesures de stéroïdes. Surtout, ce modèle doit être formé avec un ensemble de données diversifié qui considère à la fois les facteurs environnementaux et comportementaux tout en examinant comment certaines voies métaboliques spécifiques au sexe diffèrent avec le vieillissement.
