使用基于类固醇生成途径的DNN模型进行生物年龄预测
Qiuyi Wang1, Zi Wang1, Kenji Mizuguchi1
1Institute for Protein Research, Osaka University, Osaka 565-0871, Japan.
Science advances
|March 14, 2025
概括
预测生物年龄 (BA) 是复杂的. 这项研究使用深度神经网络 (DNN) 分析类固醇路径来准确估计BA,揭示性别特定的衰老模式.
科学领域:
- 内分泌学 在内分泌学.
- 老年学是一门学科.
- 计算生物学 计算生物学
背景情况:
- 衰老的特点是细胞损伤的积累,导致功能衰退和疾病风险增加.
- 准确预测生物年龄 (BA) 对于理解衰老和管理与年龄有关的疾病至关重要,但目前的模型面临局限性.
- 类固醇生成途径在衰老中发挥作用,但它们对BA预测的贡献尚未得到充分研究.
研究的目的:
- 开发一种使用深度神经网络 (DNN) 预测生物年龄 (BA) 的新方法.
- 研究类固醇生成途径在预测BA中的作用,考虑到衰老异质性和性别特异性.
- 为BA预测建立一个强大的框架,适用于老龄化研究中的各种数据集.
主要方法:
- 从148个血清样本 (20-73岁) 中分析了22个类固醇生物标志物.
- 使用98个训练和50个验证样本开发和验证深度神经网络 (DNN) 模型.
- 专注于类固醇生成途径,包括像皮质醇 (COL) 这样的关键标记物.
主要成果:
- 该DNN模型基于类固醇配置文件准确预测了生物年龄 (BA).
- 该模型捕捉到了随着时间的推移,衰老的异质性不断扩大.
- 确定了与衰老相关的类固醇生成的显著性别特异性变化.
结论:
- 使用类固醇生成途径的基于DNN的新方法为预测生物年龄 (BA) 提供了强大的方法.
- 这些发现强调了性别特异性类固醇配置文件和老龄化异质性在BA预测中的重要性.
- 这个框架为有针对性的衰老研究和临床疾病管理策略提供了宝贵的见解.
