Sztuczna inteligencja prognozuje biologiczne starzenie się na podstawie szlaków steroidowych
Najnowsze badania wskazują na innowacyjny sposób przewidywania biologicznego starzenia się (BA) przy użyciu modelu sieci neuronowej (DNN), opartego na procesach steroidogenezy. Model ten uwydatnia kluczowe biomarkery, takie jak kortyzol, który odgrywa istotną rolę w procesach metabolicznych i zapalnych związanych ze starzeniem.
Czym jest starzenie się?
Starzenie się to złożony proces biologiczny, który wynika z kumulacji uszkodzeń molekularnych i komórkowych, prowadząc do stopniowego osłabienia funkcji organizmu. Wraz z wiekiem zwiększa się ryzyko rozwoju chorób neurodegeneracyjnych, takich jak choroba Parkinsona i Alzheimera, a także osteoporozy.
Istnieje zasadnicza różnica między wiekiem chronologicznym (CA), czyli liczbą lat, które upłynęły od narodzin, a wiekiem biologicznym (BA), który odzwierciedla rzeczywisty stan organizmu w kontekście procesów starzenia się. Wiek biologiczny może się znacznie różnić u dwóch osób w tym samym wieku chronologicznym w zależności od ich stylu życia, genetyki i czynników środowiskowych.
Metody pomiaru wieku biologicznego
Określenie wieku biologicznego jest skomplikowane, ponieważ zależy zarówno od czynników genetycznych, jak i środowiskowych. Tradycyjne metody oceny BA, takie jak testy sprawności fizycznej (np. siła uścisku dłoni, pojemność płuc), często okazują się mało precyzyjne i standaryzowane. W ostatnich latach badacze poszukują skuteczniejszych narzędzi pozwalających na dokładniejsze obliczenie wieku biologicznego i jego wpływu na zdrowie.
Nowoczesne podejścia obejmują analizy morfologiczne krwi oraz badania biochemiczne, które lepiej obrazują proces starzenia się na poziomie komórkowym. Jednak metody te rzadko uwzględniają konkretne szlaki metaboliczne powiązane z procesem starzenia.
Zaawansowane technologie, takie jak epigenomika i metabolomika, pozwalają na bardziej szczegółową ocenę starzenia się na poziomie molekularnym. Dzięki nim można analizować między innymi modyfikacje DNA czy zmiany w proteomie. Mimo ich zaawansowania ich skuteczność w wyodrębnianiu konkretnych biomarkerów starzenia nadal jest ograniczona.
Sztuczna inteligencja (AI), a w szczególności różne modele uczenia maszynowego, takie jak lasy losowe czy maszyny wektorów nośnych (SVM), pozwalają na analizę skomplikowanych procesów biologicznych. Głębokie sieci neuronowe (DNN) zdolne są do przetwarzania informacji o dużym wymiarze, co czyni je obiecującym narzędziem do przewidywania wieku biologicznego. Niemniej jednak, problemem może być zjawisko nadmiernego dopasowania (overfitting), które negatywnie wpływa na dokładność przewidywań.
Przebieg badania
Najnowsze badanie wprowadza nowatorską metodę przewidywania BA poprzez analizę procesów steroidogenezy. W tym celu opracowano model DNN, który uwzględnia specyficzne szlaki biochemiczne istotne dla regulacji steroidów w organizmie.
Steroidy, wykorzystywane w analizie, zostały zmierzone za pomocą wysokosprawnej chromatografii cieczowej sprzężonej z spektrometrią mas (LC-MS/MS). Próbki podzielono na cztery grupy zależnie od płci oraz przeznaczenia do treningu modelu lub niezależnej walidacji.
Aby zminimalizować zmienność eksperymentalną i fizjologiczną, zastosowano odpowiednie techniki skalowania danych. Kluczowym elementem nowego modelu było również zastosowanie niestandardowej funkcji strat, pozwalającej uwzględnić postępującą heterogeniczność starzenia się.
Model opracowano na podstawie danych pochodzących od 100 zdrowych uczestników w wieku od 20 do 73 lat, a następnie zweryfikowano jego skuteczność na dodatkowej grupie 50 osób w wieku od 40 do 59 lat.
Wyniki i kluczowe odkrycia
W ramach badania przeanalizowano stężenia 22 różnych steroidów w próbkach pobranych od 150 osób. W niektórych wynikach zaobserwowano istotne różnice – przykładowo, poziom estronu (E1) wśród kobiet różnił się w zależności od fazy cyklu menstruacyjnego.
Jednym z kluczowych biomarkerów okazał się kortyzol (COL), hormon stresu, którego poziom wykazywał wyraźną korelację z wiekiem biologicznym badanych osób. To oznacza, że kortyzol może być wartościowym wskaźnikiem procesów starzenia, ponieważ wpływa na metabolizm glukozy oraz procesy zapalne zachodzące w organizmie.
Badanie potwierdziło również istnienie znaczących różnic między płciami. U kobiet wiek biologiczny silnie powiązano z poziomami takich hormonów jak 17-OH-P4, kortyzon (COR), kortykosteron (COS) i tetrahydrokortyzol (TH-COL). Z kolei u mężczyzn kluczowe okazały się pregnenolon oraz testosteron.
Warto zauważyć, że starzenie się przebiega szybciej u palaczy płci męskiej w porównaniu do niepalących. Co ciekawe, nie zaobserwowano takiej zależności wśród kobiet, co może wynikać z mniejszej częstości palenia tytoniu w tej grupie badawczej.
Wnioski i przyszłe perspektywy
Nowo opracowany model DNN skutecznie uwzględnia pogłębiającą się zmienność w procesie starzenia i pozwala na bardziej precyzyjne prognozowanie wieku biologicznego na podstawie szlaków steroidowych. Odkrycia badawcze sugerują, że profil steroidów – a zwłaszcza poziom kortyzolu – może być wartościowym wskaźnikiem pozwalającym lepiej analizować dynamikę procesów starzenia.
Perspektywy dalszego rozwoju tego modelu obejmują uwzględnienie poziomu całkowitego cholesterolu jako punktu odniesienia, co mogłoby poprawić dokładność prognoz przy mniejszych zbiorach danych. W przyszłości konieczne będzie również rozszerzenie bazy danych o bardziej zróżnicowane próbki, uwzględniające nie tylko czynniki genetyczne, lecz również środowiskowe oraz behawioralne, co pozwoli jeszcze lepiej zrozumieć, w jaki sposób metaboliczne szlaki różnicują się wraz z procesem starzenia się.
