SHAPとLIMEを用いた加速老化における食事栄養素による後期CKM症候群関連性の解釈可能な予測

科学分野:

• 栄養科学とは,栄養科学である.
• ゲロントロジーはゲロントロジーの学科です.
• コンピュータ生物学 コンピュータ生物学

背景:

• 加速した老化を伴う個体における心血管・腎臓・代謝 (CKM) 症候群の進行は,懸念が高まっている.
• この進行を緩和する習慣的な食事による栄養素摂取の役割は十分に理解されていません.

研究 の 目的:

• 加速老化を伴う個体において,食事による栄養素摂取と後期CKM症候群の進行との関連を調査する.
• CKM症候群の進行リスクを予測するための機械学習モデルの開発と検証.

主な方法:

• 米国国立健康栄養検査調査 (NHANES) の7サイクル (2005年−2018年) のデータを活用した.
• LightGBMとRandom Forestを含む6つの機械学習モデルを開発し,後期CKMの進行を予測しました.
• SHAPLEY添加物説明 (SHAP) とLocal Interpretable Model-Agnostic Explanations (LIME) を適用して,主要な食事要因を特定した.

主要な成果:

• ライトGBMとランダムフォレストモデルは,後期CKMの進行について最も高い予測パフォーマンスを示しました.
• SHAP分析では,セレニウム,ナトリウム,水分,ビタミンB12,ビタミンB6,ビタミンEを含む,CKMリスクと否定的に関連した重要な栄養素が特定されました.
• 食中の栄養素混合物は,晚期CKM進行のリスクと逆の関連性を示した.

結論:

• 習慣的な食事による栄養素の摂取,特にセレニウム,ナトリウム,水分は,加速老化を伴う個体における後期CKM症候群の進行と逆に関連しています.
• 機械学習モデル,特にライトGBMとランダムフォレストは,CKMの進行リスクの正確な予測を提供します.
• 特定の栄養素の介入に関するさらなる研究は,高齢者集団におけるCKM症候群の管理に有益である可能性があります.