バイオマーカー

科学分野:

• 生化学;老年医学;プロテオミクス

背景:

• ヒトの老化と疾患は、多臓器フレームワークを用いてますますモデル化されている。;血漿プロテオミクスは生物学的年齢を予測するための重要なツールであり、プロテオームベース生物学的年齢ギャップ（ProtBAG）をもたらす。;本研究では、脳脊髄液（CSF）プロテオミクスを用いて、臓器特異的エイジングクロックを拡張する。

研究 の 目的:

• CSFプロテオミクスデータを用いて11の臓器特異的プロテオームベース生物学的年齢ギャップ（ProtBAGs）を導出すること。;これらの臓器特異的エイジングクロックを開発するために、2つの異なる機械学習手法を適用すること。;異なる臓器システムにおけるProtBAGsのパフォーマンスを評価すること。

主な方法:

• ADNI研究（7,008タンパク質、736人の参加者）からのCSFプロテオミクスデータを分析した。;臓器に富むタンパク質を同定し、2つの機械学習モデル（線形SVRおよびLASSO）を訓練した。;モデルパフォーマンスは、交差検証による平均絶対誤差（MAE）およびピアソン相関係数（r）を用いて評価した。

主要な成果:

• 2%の欠損率でのプロテオミクス補完が最良のモデルパフォーマンス（r²=0.54）をもたらした。;脳および肝臓のProtBAGは、最も低い平均絶対誤差（MAE）値を示し、より高い精度を示した。;脳および肝臓のProtBAGは、最も高いピアソンのr値も示し、堅牢な予測力を確認した。

結論:

• ADNIコホートからのCSFプロテオミクスを用いて、11の臓器特異的ProtBAGが正常に開発された。;本研究は、CSFベースの多臓器の洞察により、既存の臓器エイジングクロックフレームワークを強化する。;今後の研究では、これらの新規ProtBAGと認知機能およびアルツハイマー病の進行との関連を調査する。