全基因组转录组分析和人类大脑中年龄预测模型的开发
Joseph A Zarrella1, Amy Tsurumi2,3
1Department of Health Policy and Management, Harvard T.H. Chan School of Public Health, Boston, MA 02115, USA.
Aging
|March 1, 2024
概括
这项研究开发了准确的年龄预测模型,使用前额叶皮层转录组数据的机器学习. 研究结果揭示了与年龄相关的显著基因表达变化和老化大脑的性别特异性变化.
科学领域:
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 以前的研究探讨了随着衰老而发生的大脑转录组变化,但缺乏预测模型.
- 关于老年大脑中性别特异性基因活性存在不一致的发现.
- 前额叶皮层 (PFC) 在健康的衰老过程中显示出大量的转录组变化.
研究的目的:
- 开发和验证准确的年龄预测模型,使用来自人类前额叶皮层的转录学数据.
- 研究老化大脑中与年龄相关的和性别特定的基因表达变化.
- 为了识别与时间年龄相关的关键转录.
主要方法:
- 来自Gene Expression Omnibus (GEO) 的协调的神经病理正常PFC转录组数据集.
- 应用机器学习算法:Lasso,弹性网,XGBoost和LightGBM用于年龄预测.
- 利用本体学,途径和网络分析来评估与年龄相关的基因.
主要成果:
- 与年轻样本相比,在老年样本中发现了大量的差异调节的转录.
- 在PFC中检测到明显的与年龄相关的和性别特定的基因表达改变.
- 开发了经过验证的机器学习模型,用于准确的年代预测.
结论:
- 机器学习模型有效地从PFC转录数据中预测时间表年龄.
- 转录组分析揭示了老化人类大脑中与年龄相关的重大变化和性变态.
- 进一步的验证和机制研究是有必要的,以了解与衰老相关的转录组机制.
