生物学的老化と健康に関する新しい知見
研究によると、生物学的年齢、臓器の健康、ライフスタイルの選択の間に関連があることがわかったよ。
― 1 分で読む
目次
老化は体の中でいろんなレベルで起こる複雑なプロセスなんだ。これは分子レベルから始まって、時間と共に細胞や組織、臓器に影響を与えるんだ。このプロセスはさまざまな病気を引き起こし、死ぬリスクを増やす可能性があるんだ。こういうプロセスがどう働いているかを知ることは、人々がより健康で長生きする方法を見つけるのに重要だよ。でも、老化のいろんな側面がどう繋がっているか、またそれが老化に関連する病気にどう貢献しているかについての理解はまだ限られているんだ。
生物学的年齢の測定
科学者たちは、生物学的年齢を測る方法を開発して、「老化時計」という概念を使っているんだ。この時計は、最初はDNAメチル化のパターンを使って作られたんだけど、今ではトランスクリプトーム(全てのRNA分子のセット)やプロテオーム(全てのタンパク質のセット)を研究するために適応されているんだ。これらの生物学的時計は、時間と共に体の中で起こる変化に基づいてその人の年齢を推定するんだ。生物学的年齢は、誕生日に基づいて決まる年齢(暦年齢)とは異なることがあるんだ。この違いは、老化関連の病気や死のリスクを示すサインになるかもしれない。
異なる臓器は異なる速度で老化することがわかっているんだ。新しい研究では、異なるバックグラウンドを持つ人たちが、臓器の老化をユニークに体験することが示されたんだ。例えば、科学者たちは多くの人を調査して、血液中のタンパク質を見て老化の違いを特定できることを発見したんだ。UKバイオバンクのような大規模研究は、老化パターンを探るとともに、ライフスタイルや治療が健康や長寿にどう影響するかを理解する機会を提供しているんだ。
血漿プロテオミクスの研究
この研究では、UKバイオバンクの53,000人以上の参加者のデータを使って、特定の臓器における老化パターンを示すモデルを作ったんだ。血液中のタンパク質がどう振る舞うかを観察し、その情報を特定の臓器に結びつけることで、異なる臓器が異なる速度で老化していることを反映するユニークな老化のサインを特定できたんだ。さらに、彼らのモデルは、見つかったタンパク質に基づいて生物学的年齢やさまざまな病気のリスクを予測することもできたんだ。
データを分析するために、参加者は2つのグループに分けられたんだ。一つはモデルの訓練用、もう一つはテスト用だった。科学者たちはエラスティックネット回帰という手法を使って、タンパク質レベルに基づいて生物学的年齢を予測したんだ。この初期のモデルは、生物学的年齢と暦年齢の間に強い正の関係を示していて、つまり、誰かの生物学的な年齢を正確に予測できるってことなんだ。
生物学的年齢と握力
この研究では、生物学的年齢が握力のような身体的属性とどう関係しているかも調べたんだ。生物学的年齢が増すにつれ、握力が減少する傾向があることがわかったんだ。また、男性と女性の間での老化の違いも指摘されていて、男性は一般的に生物学的年齢が高いことが多いんだ。さらに、親の死因が生物学的年齢や長寿についての洞察を提供する可能性があることもわかったんだ。
研究結果は、モデルによって予測される生物学的年齢が、握力や寿命などのさまざまな健康属性と相関していることを示唆しているんだ。生物学的年齢が増加するにつれて、老化に関連する病気のリスクも上がるんだ。これって、生物学的年齢を理解することで、心臓病や認知症のような健康問題のリスクが高い人を特定する手助けになるってことなんだ。
死亡ベースの老化モデル
次に、研究者たちは死亡に基づいたモデルを開発して、誰かが生物学的年齢に基づいて健康問題を経験する可能性を予測したんだ。これらの死亡ベースのモデルは、暦年齢の予測においても良い結果を示したんだ。実際、これらのモデルは最初の生物学的年齢モデルよりも、さまざまな健康リスクとの相関が強いことがわかったんだ。
異なるグループの多様な個人に対してテストしたとき、死亡モデルは老化と健康結果との強い相関を示し続けたんだ。これは、これらのモデルが信頼性が高く、研究される人口に関係なく貴重な洞察を提供できることを示唆しているんだ。
男性と女性の違い
一つの重要な発見は、モデルが男性と女性の違いを強調したことなんだ。男性はさまざまな要因を調整しても、常に女性よりも生物学的に年齢が高いことがわかったんだ。死亡ベースのモデルも、異なる性別の老化とその老化に関連する死亡リスクをより明確に理解する助けを提供したんだ。
性別に加えて、研究者たちは食生活、職業、薬の使用などのライフスタイル要素が生物学的年齢に与える影響を探ったんだ。たとえば、高い教育や専門職は生物学的年齢が低いことと関連していたけど、ルーチンの仕事は生物学的年齢の増加と相関しているようだったんだ。この側面は、社会的要因も老化プロセスに影響を与えることを示しているんだ。
老化と慢性疾患
さらなる調査で、老化と慢性疾患の間に強い関係があることが明らかになったんだ。特定の臓器が早く老化するにつれて、その臓器に関連する病気にかかるリスクが高まるんだ。たとえば、肝臓の老化モデルは肝疾患のリスクが高くなることを予測したし、肺の老化は慢性閉塞性肺疾患(COPD)に密接に関連していたんだ。これらの発見は、老化関連の疾患がそれぞれの臓器の老化の増加の現れかもしれないことを示唆しているんだ。
こうした臓器特有のモデルを使って、研究者たちは老化に関連する病気の可能性を正確に予測できることがわかったんだ。つまり、個々の臓器がどう老化するかを理解することで、特定の健康リスクに合わせたより良い健康戦略や介入ができるかもしれないってことだよ。
老化に影響を与えるライフスタイル要因
この研究では、食生活が生物学的年齢にどう影響するかも考慮されたんだ。果物や野菜、健康的な食品を多く食べる参加者は、加工食品や砂糖を多く摂取する人たちに比べて生物学的年齢が低い傾向があったんだ。これは、健康的な食事選びが老化プロセスを遅らせる可能性があることを強調しているんだ。
同様に、研究では異なる薬が生物学的年齢にどう影響するかを分析したんだ。慢性疾患のために使われる薬の中には、生物学的年齢が高くなるものもあったんだ。これは、その人たちがより深刻な健康問題を抱えている可能性があるってことを示唆しているんだ。
もう一つ調査した要因は、喫煙やアルコール消費の影響だったんだ。喫煙は予測される生物学的年齢を大幅に増加させることがわかったんだけど、特に肺の健康に影響を与えるんだ。逆に、アルコール消費はさまざまな結果を示していて、特定の臓器によって影響が異なることがあるみたい。
老化の縦断研究
時間をかけて収集したデータを使って、研究者たちは参加者の生物学的年齢の変化を追跡できたんだ。ほとんどの人が期待通り生物学的年齢が増加していることがわかったよ。興味深いことに、研究では男性は女性よりも速く老化する傾向があることが示されたんだ。これは、老化に関する性別差についての以前の観察をさらに支持しているんだ。
また、非常に若い人や非常に年配の人は、中年層に比べて老化が早い傾向があることもわかったんだ。これは、極端な生物学的年齢が健康に悪影響を及ぼし、病気の診断が増える原因になることを示しているんだ。
健康結果の予測
研究者たちは新しいデータセットを使って健康結果を予測するために彼らのモデルを適用したんだ。例えば、COVID-19患者を対象とした研究では、肺特異的な老化モデルが、感染者と非感染者を区別するのにうまく機能したんだ。これは、老化が特定の病気への脆弱性にどう影響するかを反映していて、広範な健康問題の文脈で臓器の健康が重要であることを強調しているんだ。
神経変性疾患に焦点を当てた別のデータセットでは、脳特有のモデルが従来のモデルよりも年齢予測に成功したんだ。これは、特定の臓器に特化した老化モデルが健康リスクについてより正確な洞察を提供できることをさらに確認するものだったんだ。
結論
この研究は、プロテオミクスデータを使って老化と健康・病気の関連を理解する可能性を示しているんだ。生物学的年齢を考慮したモデルを開発することで、研究者たちは健康結果や老化に関連するリスクを予測するのに役立つパターンを明らかにできるんだ。この結果は、全体的な老化を見るのではなく、臓器レベルで老化に対処することで、より効果的な健康戦略が得られるかもしれないことを示唆しているんだ。今後の研究では、特定のライフスタイルの選択が老化にどう影響するかや、介入が人々の健康結果を改善するためにどうもっと精密にターゲットされるかをさらに掘り下げていけるかもしれないね。
老化は自然なプロセスとして見られるかもしれないけど、この研究は病気やライフスタイル要因との複雑な相互作用を浮き彫りにしているんだ。こうしたつながりを理解することで、より健康的な老化を促進し、人々が年を取るにつれて生活の質を向上させる革新的なアプローチが見つかるかもしれないよ。
タイトル: Plasma-based organ-specific aging and mortality models unveil diseases as accelerated aging of organismal systems
概要: Aging is a complex process manifesting at the molecular, cell, organ and organismal levels. It leads to functional decline, disease and ultimately death, but the relationship between these fundamental biomedical features remains elusive. By applying machine learning to plasma proteome data of over fifty thousand human subjects in the UK Biobank and other cohorts, we report organ-specific and conventional aging models trained on chronological age, mortality and longitudinal proteome data. We show how these tools predict organ/systems-specific disease through numerous phenotypes. We find that men are biologically older and age faster than women, that accelerated aging of organs leads to diseases in these organs, and that specific diets, lifestyles, professions and medications are associated with accelerated and decelerated aging of specific organs and systems. Altogether, our analyses reveal that age-related chronic diseases epitomize accelerated organ- and system-specific aging, modifiable through environmental factors, advocating for both universal whole-organism and personalized organ/system-specific anti-aging interventions.
著者: Vadim N. Gladyshev, L. J. E. Goeminne, A. W. Eames, A. Tyshkovskiy, M. A. Argentieri, K. Ying, M. Moqri
最終更新: 2024-04-10 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2024.04.08.24305469
ソースPDF: https://www.medrxiv.org/content/10.1101/2024.04.08.24305469.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。