T-CLASS:使用转录组数据识别和分类衰老和衰老的在线工具

科学领域:

• 老年学和分子生物学.
• 生物信息学和计算生物学

背景情况:

• 转录组分析在衰老研究中至关重要,但确定关键的分子变化仍然很困难.
• 现有的从转录组数据中进行基因选择的方法往往不能准确地代表衰老和寿命范式.

研究的目的:

• 通过签名状态的自适应学习 (T-CLASS) 引入转录组分类,这是一个在线工具,用于从转录组数据中识别最佳基因组.
• 评估T-CLASS在不同生物模型中分类衰老和长寿相关的转录组变化的有效性.

主要方法:

• 开发T-CLASS,这是一个适应性学习工具,用于基因签名识别.
• 使用来自Caenorhabditis elegans长寿研究,细胞衰老模型 (老鼠和人类) 和人类肉症的数据集对T-CLASS的系统评估.
• 与现有的基于机器和深度学习的基因选择工具对T-CLASS性能进行比较.

主要成果:

• 在各种与衰老相关的数据集中,T-CLASS表现出强大而高的分类性能.
• 该工具成功地分类了C. elegans中10个延长寿命的小分子诱导的转录组变化.
• 实验验证证证实了C. elegans长寿研究中的里芬素和阿特拉库里安的作用.

结论:

• T-CLASS是一个强大而实用的工具,用于发现和分类与衰老和寿命相关的分子变化.
• 该工具有助于理解因影响衰老过程的遗传和药理干预引起的生理变化.
• T-CLASS促进了针对旨在促进健康衰老的干预措施的新目标的确定.