瑞网时代:一种基于瑞网的DNA甲基化年龄预测方法
Lijuan Shi1,2, Boquan Hai1,2, Zhejun Kuang1,2
1Key Laboratory of Intelligent Rehabilitation and Barrier-Free for the Disabled (Changchun University), Ministry of Education, Changchun University, Changchun 130012, China.
Bioengineering (Basel, Switzerland)
|January 22, 2024
概括
我们开发了ResnetAge,一种新的表观遗传时钟方法,使用深度学习来从DNA甲基化预测生物年龄. 这种方法实现了高精度,为衰老研究和临床应用提供了一个有前途的新标记.
科学领域:
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 计算生物学 计算生物学
- 老年学是指老年学的学科.
背景情况:
- 老龄化是许多疾病的主要危险因素,包括癌症.
- DNA甲基化模式作为细胞衰老的指标,可以用来开发表观遗传钟.
- 准确的生物年龄预测对于理解衰老和开发临床干预措施至关重要.
研究的目的:
- 提出一种新的表观遗传时钟预测方法,ResnetAge,为临床应用提高准确性.
- 利用深度学习,特别是ResNet神经网络,来预测生物年龄.
- 为了验证该方法在各种人体组织中的性能.
主要方法:
- 开发了ResnetAge,这是一个使用ResNet架构的深度学习模型.
- 输入数据包括22,278个CPG站点,与Illumina 27K和450K阵列兼容.
- 在32个公共数据集上训练模型,包括各种组织 (例如全血,唾液,口腔).
主要成果:
- 在训练套件上获得了1.29年的平均绝对误差 (MAE) 和0.98年的平均绝对偏差 (MAD).
- 在验证套件上报告了3.24年的MAE和2.3年的MAD.
- 与现有的基于甲基化的方法相比,证明了更高的年龄预测准确性.
结论:
- ResnetAge提供了一种非常准确和强大的方法来预测生物年龄.
- 基于DNA甲基化的表观遗传钟,如ResnetAge,具有作为衰老临床生物标志物的巨大潜力.
- 这些发现支持深度学习在推进研究和诊断的表观遗传年龄预测方面的实用性.
