Le Vieillissement Biologique : Un Nouveau Regard sur la Santé
Comprendre le vieillissement biologique peut aider à prédire les risques pour la santé et la longévité.
― 9 min lire
Table des matières
- Qu'est-ce que le Vieillissement biologique ?
- Mesurer l'âge biologique
- Le rôle de la Métabolomique
- L'étude UK BioBank
- Apprentissage automatique dans la recherche sur le vieillissement
- Indicateurs de santé et mortalité
- Caractéristiques de l'échantillon
- Analyse des métabolites et vieillissement
- Performance du modèle prédictif
- Indicateurs de santé et vieillissement biologique
- Prédiction de la mortalité
- Comparaison avec d'autres marqueurs de vieillissement
- Directions futures
- Conclusion
- Source originale
- Liens de référence
L'âge chronologique, c'est le nombre d'années qu'une personne a vécu, mais ça ne raconte pas toujours toute l'histoire sur sa santé. Des gens du même âge peuvent avoir des conditions de santé, des styles de vie et des signes de vieillissement très différents. Cette différence est souvent liée à l'âge biologique, qui est le dommage progressif aux cellules et tissus au fil du temps. Contrairement à l'âge chronologique, qu'on ne peut pas changer, l'âge biologique pourrait être quelque chose qu'on peut influencer, voire inverser. Donc, trouver des moyens fiables de mesurer l'âge biologique est super important pour la recherche médicale et la santé publique.
Vieillissement biologique ?
Qu'est-ce que leIl n'y a pas un seul marqueur qui définit le vieillissement biologique ; les chercheurs ont identifié plusieurs caractéristiques. L'une d'elles, c'est la Longueur des télomères. Les télomères sont des caps protecteurs aux extrémités des chromosomes qui raccourcissent avec l'âge. Des études ont aussi analysé comment la force physique et la santé cardiaque changent avec le temps. D'autres facteurs incluent divers marqueurs dans le sang qui indiquent l'inflammation ou la fragilité.
Mesurer l'âge biologique
Les scientifiques utilisent des techniques avancées pour créer des horloges de vieillissement biologique. Ces horloges utilisent des données provenant de différents processus biologiques pour estimer l'âge biologique d'une personne. Par exemple, certaines techniques examinent l'ADN et des scans cérébraux pour trouver des motifs qui relient l'âge biologique à l'âge chronologique. En faisant cela, les chercheurs peuvent voir à quel point les prédictions sur l'âge biologique se rapportent à la santé d'une personne.
Métabolomique
Le rôle de laLa métabolomique, c'est l'étude des petites molécules, ou métabolites, trouvées dans notre corps. Ces métabolites sont produits pendant des processus comme la digestion. Avec l'évolution de la technologie, les chercheurs peuvent maintenant analyser de nombreux métabolites à la fois, ce qui donne un aperçu plus détaillé de la santé d'un individu. Les profils de métabolites peuvent aider à prédire des maladies et même le risque de décès. Au fil des années, des études ont montré des liens entre les niveaux de métabolites et l'âge chronologique ainsi que la santé.
UK BioBank
L'étudeLa UK Biobank est une grande étude de santé qui inclut des données de plus de 500 000 individus âgés de 37 à 73 ans. Les participants partagent leurs informations démographiques, leurs habitudes de vie et leurs antécédents médicaux, et subissent des contrôles de santé, y compris des tests sanguins. Cette étude permet aux chercheurs de lier les données de santé avec divers dossiers, y compris les visites à l'hôpital et même les dossiers de décès.
Pour la UK Biobank, des échantillons de plasma sanguin ont été analysés pour mesurer différents métabolites grâce à une méthode appelée spectroscopie par résonance magnétique nucléaire (RMN). Cette méthode peut détecter une large gamme de métabolites, fournissant un profil complet de l'état biologique d'un individu.
Apprentissage automatique dans la recherche sur le vieillissement
Dans notre étude, nous avons comparé différentes techniques d'apprentissage automatique pour créer des horloges de vieillissement basées sur les données de métabolomique de plus de 100 000 participants de la UK Biobank. Ces horloges de vieillissement aident à prédire à quel point une personne est en bonne santé par rapport à son âge chronologique. Nous avons aussi regardé à quel point ces horloges pouvaient prédire des choses comme la maladie et l'espérance de vie.
Des algorithmes d'apprentissage automatique ont été utilisés pour analyser les données et prédire l'âge biologique en trouvant des motifs entre les niveaux de métabolites et l'âge chronologique. Nous avons utilisé une méthode appelée validation croisée imbriquée pour évaluer la précision de chaque algorithme, s'assurant qu'on ne tombait pas juste par chance sur nos prédictions.
Indicateurs de santé et mortalité
Dans notre recherche, nous avons évalué comment les horloges de vieillissement se rapportaient à divers indicateurs de santé, comme la présence de maladies de longue durée, l'état de santé général et la fragilité. De plus, nous avons observé comment ces prédictions d'âge vieillissant étaient associées à la mortalité toutes causes confondues, c'est-à-dire la probabilité de mourir de n'importe quelle cause.
L'étude UK Biobank a fourni beaucoup de données : les participants ont été suivis pendant de nombreuses années, ce qui nous a permis d'évaluer à quel point nos horloges de vieillissement pouvaient prédire les résultats de santé et la durée de vie.
Caractéristiques de l'échantillon
Sur 118 019 participants, 101 359 individus avaient des données complètes pour analyse après exclusion de ceux avec certains critères, comme des incohérences dans les données ou des informations manquantes. L'âge moyen était de 56 ans, et de nombreux aspects des niveaux de métabolites variaient avec l'âge.
Analyse des métabolites et vieillissement
Nous avons découvert qu'une grande majorité des métabolites étaient liés à l'âge chronologique. La plupart des métabolites montraient des niveaux plus élevés chez les personnes âgées, tandis que certains étaient négativement associés à l'âge. Par exemple, à mesure que les gens vieillissaient, certains métabolites comme les acides gras oméga-3 augmentaient, tandis que d'autres comme l'albumine diminuaient.
De plus, de nombreux métabolites liés à l'âge étaient également fortement associés aux résultats de santé, comme le risque de mortalité. Cela suggère que les horloges de vieillissement biologique que nous avons développées pourraient être utiles pour identifier les personnes à risque de mauvaise santé ou de décès précoce.
Performance du modèle prédictif
Les méthodes que nous avons testées ont montré une précision variée pour prédire l'âge biologique. Le taux d'erreur, calculé à partir de la différence entre l'âge prédit et l'âge chronologique, était relativement bas pour la plupart des modèles, indiquant que les modèles pouvaient estimer efficacement l'âge biologique. Le modèle le plus précis était meilleur pour faire correspondre les prédictions d'âge biologique avec les résultats de santé réels.
Nous avons ajusté nos prédictions pour tenir compte des surestimations systémiques chez les jeunes et des sous-estimations chez les plus âgés. Après correction, nous avons trouvé qu'une portion significative des participants avait des prédictions d'âge biologique très différentes de leur âge chronologique.
Indicateurs de santé et vieillissement biologique
Les résultats ont indiqué que les individus avec des âges biologiques plus vieux que leur âge chronologique étaient plus susceptibles de connaître la fragilité et des problèmes de santé, avec des télomères plus courts. Ces résultats suggèrent que les horloges de vieillissement biologique pourraient suivre efficacement les risques de santé et les changements au fil du temps.
La relation entre un âge biologique plus vieux et une santé plus pauvre était forte à travers plusieurs modèles que nous avons testés. Cela implique que le vieillissement biologique n'est pas juste un chiffre ; il reflète des changements de santé significatifs.
Prédiction de la mortalité
Nous avons aussi examiné à quel point nos horloges de vieillissement pouvaient prédire les risques de mortalité. Les données suggéraient qu'un âge biologique d'une personne, surtout quand il est plus vieux que l'âge chronologique, correspondait à un risque plus élevé de décès. Cette relation était cohérente à travers différents marqueurs de santé.
Nos analyses ont montré que des âges prévus plus vieux étaient associés à de pires résultats de santé, soulignant l'importance de comprendre le vieillissement biologique.
Comparaison avec d'autres marqueurs de vieillissement
En comparant nos horloges de vieillissement biologique avec d'autres marqueurs de santé liés à l'âge, nous avons découvert que notre modèle performait plutôt bien. C'était similaire en efficacité à d'autres marqueurs de vieillissement établis, bien qu'il indiquait aussi des domaines spécifiques où des améliorations pouvaient être apportées.
La force de nos modèles de vieillissement biologique réside dans leur capacité à fournir des informations significatives sur la santé et la longévité.
Directions futures
Il y a encore plein de chemins à explorer dans le domaine du vieillissement biologique. Les recherches futures pourraient se concentrer sur l'utilisation de différents types de données ou méthodes pour améliorer la précision des modèles de vieillissement. Par exemple, utiliser des données provenant de divers tissus pourrait fournir une image plus complète du vieillissement.
L'étude actuelle avait certaines limites, notamment la nécessité d'une validation indépendante de nos résultats. Cependant, notre recherche montre que les horloges de vieillissement biologique peuvent donner des informations précieuses pouvant améliorer le suivi de la santé et les évaluations de risque.
Conclusion
La recherche montre que les horloges de vieillissement biologique dérivées des données de métabolomique sont significativement associées à des indicateurs de santé et des risques de mortalité. Utiliser ces horloges peut mener à une meilleure compréhension et prédiction des changements de santé liés à l'âge. Le potentiel de ces horloges pour identifier les risques de santé avant l'apparition des symptômes est prometteur.
Les horloges de vieillissement biologique sont un outil important dans la recherche en santé, et à mesure que la technologie continue de progresser, leurs applications pourraient encore s'élargir. En aidant les gens à s'engager de manière plus proactive avec leur santé, les horloges de vieillissement biologique peuvent servir à la fois d'outil de recherche et de métrique de santé personnelle.
Titre: Metabolomic Age (MileAge) predicts health and lifespan: a comparison of multiple machine learning algorithms
Résumé: BackgroundMolecular ageing clocks estimate an individuals biological age. Our aim was to compare multiple machine learning algorithms for developing ageing clocks from nuclear magnetic resonance (NMR) spectroscopy metabolomics data. To validate how well each ageing clock predicted age-related morbidity and lifespan, we assessed their associations with multiple health indicators (e.g., telomere length and frailty) and all-cause mortality. MethodsThe UK Biobank is a multicentre observational health study of middle-aged and older adults. The Nightingale Health platform was used to quantify 168 circulating plasma metabolites at the baseline assessment from 2006 to 2010. We trained and internally validated 17 machine learning algorithms including regularised regression, kernel-based methods and ensembles. Metabolomic age (MileAge) delta was defined as the difference between predicted and chronological age. ResultsThe sample included 101,359 participants (mean age = 56.53 years, SD = 8.10). Most metabolite levels varied by chronological age. The nested cross-validation mean absolute error (MAE) ranged from 5.31 to 6.36 years. 31.76% of participants had an age-bias adjusted MileAge more than one standard deviation (3.75 years) above or below the mean. A Cubist rule-based regression model overall performed best at predicting health outcomes. The all-cause mortality hazard ratio (HR) comparing individuals with a MileAge delta more than one standard deviation above and below the mean was HR = 1.52 (95% CI 1.41-1.64, p < 0.001) over a median follow-up of 13.87 years. Individuals with an older MileAge were frailer, had shorter telomeres, were more likely to have a chronic illness and rated their health worse. ConclusionsMetabolomic ageing clocks derived from multiple machine learning algorithms were robustly associated with health indicators and mortality. Our metabolomic ageing clock (MileAge) derived from a Cubist rule-based regression model can be incorporated in research, and may find applications in health assessments, risk stratification and proactive health tracking.
Auteurs: Julian Mutz, R. Iniesta, C. M. Lewis
Dernière mise à jour: 2024-02-11 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.02.10.24302617
Source PDF: https://www.medrxiv.org/content/10.1101/2024.02.10.24302617.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.