代谢年龄 (MileAge) 预测健康和寿命:多种机器学习算法的比较
Julian Mutz1, Raquel Iniesta1, Cathryn M Lewis2,3
1Department of Biostatistics and Health Informatics, King's College London, London, United Kingdom.
Science advances
|December 18, 2024
概括
一个新的代谢衰老时钟,称为MileAge,使用血液代谢产物准确预测生物年龄. 较老的英里年龄与健康状况不佳,虚弱和死亡风险增加有关,为健康评估提供了潜在的机会.
科学领域:
- 生物遗传学 生物遗传学
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
背景情况:
- 生物衰老时钟估计年龄,与健康结果相关联.
- 代谢数据为开发新型衰老生物标志物提供了一个有希望的途径.
研究的目的:
- 为了对机器学习算法进行基准测试,以创建代谢衰老时钟.
- 确定从血代谢物中预测生物年龄的最佳性能算法.
主要方法:
- 使用了英国生物库数据 (N=225,212) 与168种血代谢物.
- 训练并验证了17个机器学习算法,包括回归,内核和整体方法.
- 根据与健康和衰老标志物的关联,评估算法性能.
主要成果:
- 一个基于规则的立体主义回归模型,称为代谢年龄 (MileAge),表现出卓越的性能.
- 较高的MileAge delta (预测与时间学年龄) 与虚弱,短端粒,慢性疾病和更差的自我评估健康相关.
- 升高的MileAge与所有原因死亡率 (HR=1.51) 的危险比率显著增加有关.
结论:
- 开发的代谢衰老时钟 (MileAge) 显示了与不良健康结果和死亡率的强烈关联.
- 在研究,健康评估,风险分层和主动健康监测方面,MileAge具有潜在的应用.
