生物年龄的基因组决定因素通过深度学习估计,应用于视网膜图像
Yu Huang1,2,3, Mohammad Ghouse Syed4, Ruiye Chen5
1Guangdong Eye Institute, Department of Ophthalmology, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, 510080, China.
GeroScience
|January 8, 2025
概括
这项研究确定了13个与视网膜年龄差距 (RAG) 相关的基因位点,这是从视网膜图像中衡量生物衰老的指标. 这些发现可能揭示了治疗与年龄有关的疾病的新目标.
科学领域:
- 遗传学 遗传学是一种遗传学.
- 眼科医生 眼科 眼科
- 计算生物学 计算生物学
背景情况:
- 深度学习 (DL) 模型可以从视网膜图像中预测生物年龄.
- 视网膜年龄差距 (RAG) 是时间和预测视网膜年龄之间的差异,与与年龄相关的疾病有关.
研究的目的:
- 进行全基因组关联研究 (GWAS),以确定与RAG相关的遗传位置.
- 探索RAG的遗传基础和生物机制.
- 确定与年龄有关的疾病的潜在治疗点.
主要方法:
- 在31,271名英国生物库参与者中发现GWAS,在8,034名GoDARTS参与者中复制.
- 对GWAS结果的元分析以确定显著的RAG位置.
- 整个SNP的遗传概率估计 (h2).
- 门德尔的随机化分析,以调查RAG和其他因素之间的因果关系.
主要成果:
- 确定了13个RAG位点,可能与视网膜血管密度和衰老过程有关.
- 整个SNP的RAG遗传率估计为0.15.
- 门德尔的随机化表明RAG与糖化血红蛋白,炎症和贫血之间的关联.
结论:
- 该研究确定了影响RAG的遗传因素,提供了对衰老的生物机制的见解.
- 这些发现可能有助于在衰老过程中推断因果关系.
- 建议对与年龄有关的疾病进行潜在的药物干预目标.
