年龄不仅仅是一个数字:机器学习可以预测你是否会步入一个健康的晚年

年龄不仅仅是一个数字:机器学习可以预测你是否会步入一个健康的晚年

研究人员分析了100多名不同年龄的人的皮肤细胞，以找到随着年龄增长而变化的分子特征

医生们早就注意到，生理年龄和实足年龄并不总是一致的。55岁的人可能会表现出许多衰老的迹象，并患有许多与年龄有关的疾病，而80岁的人可能健康而健壮。虽然饮食、体育活动和其他因素也有影响，但有很多因素可以解释为什么有些人比其他人衰老得更好，以及为什么有些人比其他人衰老得更好。这些贡献者仍然没有被充分理解。

在《基因组生物学》(Genome Biology)杂志上发表的一项研究中，索尔克研究所(Salk Institute)的一个合作团队分析了从非常年轻到非常年老的皮肤细胞，寻找能够预测年龄的分子特征。更好地理解衰老的生物学过程，最终可能有助于解决老年人更常见的健康问题，如心脏病和痴呆。“这项实验的目的是确定在整个人类寿命范围内是否存在衰老的分子特征，”索尔克综合生物学实验室的助理教授、联合资深作者萨克特·纳夫拉卡(Saket Navlakha)说。“我们希望开发出能够预测健康老化和非健康老化的算法，并试图找出两者之间的差异。”“这项研究为定量地解决人类衰老过程中未解决的问题提供了基础，比如压力下的衰老速度，”Martin Hetzer教授说。

研究人员专注于一种叫做真皮成纤维细胞的皮肤细胞，这种细胞能产生结缔组织，帮助皮肤在受伤后愈合。他们选择这种类型的细胞有两个原因:首先，这种细胞很容易通过简单的、无创的皮肤活检获得;其次，早期研究表明成纤维细胞可能含有衰老的信号。这是因为，不像大多数细胞每隔几周或几个月就会完全翻转一次，这些细胞的一个子集会伴随我们一生。

研究人员分析了133名年龄在1岁到94岁之间的健康个体的成纤维细胞。为了得到具有代表性的样本，研究小组研究了平均每十岁13个人。该实验室培养这些细胞进行增殖，然后使用一种叫做RNA测序(RNA- seq)的方法，在细胞中寻找随年龄增长而变化的生物标记物。RNA-Seq利用深度测序技术确定特定细胞中哪些基因被激活。使用自定义机器学习算法对RNA-Seq数据进行排序，研究小组发现了某些指示衰老的生物标志物，能够以平均不到8年的误差预测一个人的年龄。

“我们在这个项目中采用了一种‘厨房水槽’的方法，”第一作者詹森·弗莱舍(Jason Fleischer)说，他是索尔克大学的博士后研究员。“我们没有带着我们想要找到的东西进入这项研究，而是决定看看所有蛋白质编码基因表达的变化，然后让算法来解决这个问题。”我们用所谓的集成机器学习方法来做这件事。索尔克团队的分析不同于其他实验室早期研究生物衰老的方法。以往的研究大多只关注少数DNA甲基化位点的变化，而不关注整个基因组的表达变化。这个数据集也比以往任何此类研究都要大得多，因为它包含了许多代表几十年范围的人。研究人员公开了这些数据，以便其他研究人员可以使用。

为了验证这个算法，研究小组还使用了10名早衰症患者的成纤维细胞。早衰症是一种以加速衰老为特征的遗传疾病。基于对这些患者的分子特征的分析，该模型预测他们的年龄在2岁到8岁之间，比他们的日历年龄大10岁左右。Fleischer说:“我们的系统能够预测这种老化的事实表明，这个模型已经开始得到生物学年龄的真正基础。”

尽管这项研究揭示了与年龄有关的生物标志物，但研究人员强调，仅仅因为某些东西可以预测衰老，并不意味着它就是衰老的原因。然而，与此同时，如果研究结果得到证实，医生可以使用这种分析方法来确定何时开始筛查与年龄相关的患者，并就健康生活方式的选择提出建议。

在开发任何预防治疗之前，还需要进行更多的研究。这项研究的下一步将是在其他类型的细胞中寻找这些特征。“衰老是许多疾病的驱动因素，包括阿尔茨海默氏症和其他神经问题，”纳夫拉卡总结道。“如果我们能够证明成纤维细胞的变化与其他类型细胞的衰老有关，我们可能最终能够利用这些特征来开发有针对性的干预措施。”