阅读免疫时钟:一种机器学习模型根据细胞模式预测小鼠的免疫年龄
Hyun Bo Sim1, Ji-Hun Jang2, Seul-Ki Mun1,3
1Department of Biomedical Science, Sunchon National University, Suncheon, Republic of Korea.
Nature communications
|December 10, 2025
概括
研究人员开发了一种机器学习模型,利用来自小鼠免疫细胞的蛋白质数据来预测免疫系统衰老. 该工具准确评估免疫年龄,并有可能识别与疾病相关的免疫衰老.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 老年学是指老年学的学科.
背景情况:
- 衰老显著改变免疫系统,但很难准确地预测免疫年龄.
- 目前的转录学等方法提供了洞察力,但蛋白质水平分析和用于免疫衰老的机器学习工具尚未开发.
研究的目的:
- 开发和验证一种机器学习模型,使用蛋白质表达数据来预测免疫年龄.
- 评估该模型的概括性和转化潜力,以确定免疫衰老.
主要方法:
- 质量细胞测量用于在不同年龄组的小鼠脏免疫细胞上分析30种蛋白质标记物.
- 机器学习,特别是支持向量回归 (SVR),被用来根据六个主要免疫子集的103个分子特征来预测免疫年龄.
- 该模型的性能在独立的测试样本和肥胖小鼠模型中得到验证.
主要成果:
- 训练了一种强大的机器学习模型,使用多维蛋白质表达数据来预测免疫年龄.
- 该模型表现出强大的概括性,准确预测未见样本中的年龄.
- 该模型的强度在表现出免疫衰老的肥胖小鼠模型中得到证实.
结论:
- 基于蛋白质表达和机器学习,已经建立了一个可靠的框架来预测免疫衰老.
- 这种定量工具有助于评估免疫衰老,并具有识别疾病相关免疫衰老的翻译潜力,包括肥胖症.
更多相关视频
12:21A Mouse Model for the Transition of Streptococcus pneumoniae from Colonizer to Pathogen upon Viral Co-Infection Recapitulates Age-Exacerbated Illness
Published on: September 28, 2022
3.0K
06:32Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors
Published on: August 18, 2023
2.8K
