生物学的年齢の研究:老化への新しいアプローチ
科学者たちは、老化や健康問題に取り組むために生物学的年齢を測定している。
― 1 分で読む
長寿薬、よくジェロプロテクターって呼ばれるものが、老化のサインを遅らせたり逆転させたりする手助けをするために研究されてるんだ。科学者たちは、臨床試験で使える信頼できる老化の測定方法を見つけるために頑張ってるよ。今のところ、老化や若返りを測る明確な基準はなくて、研究者たちは生物学的年齢(BA)っていう考え方に注目してる。生物学的年齢は、単に何歳生きてるかっていう年齢とは違って、同じ年齢の他の人と比べたときの健康状態を反映してると思われてるんだ。
例えば、30歳だけど生物学的年齢が40歳だったら、その人の健康状態は典型的な40歳の人に似てるってことだね。研究者たちは生物学的年齢がどうやって計算できるか、そして健康や老化の変化を観察するのにどう使えるかを理解したいと思ってるんだ。
生物学的年齢の測定方法
生物学的年齢は、さまざまなバイオマーカーを使って推定できるんだ。これらのバイオマーカーは、生物学的プロセスの測定可能な指標で、モデルを通じて集めて分析されることが多い。これが老化時計って呼ばれるものだよ。でも、生物学的年齢を直接測るのは難しいんだ。だって目に見えたり簡単に数値化できるものがないから、これらの老化時計がどれくらい機能してるかを確認するのが難しいんだよね。
多くの老化時計はDNAメチル化データに依存してる。DNAメチル化は、遺伝子の発現に影響を与える化学プロセスなんだ。このプロセスを理解することは、老化や健康を研究する上で重要だよ。
検証の必要性
生物学的年齢の測定に対する信頼を築くためには、使用されている方法を検証することが大切だね。研究者たちは、良い生物学的年齢の測定には4つの重要な特性が必要だって特定したんだ。まず、年齢の単位は従来の年齢と同じであるべき。次に、健康な個体と老化を早める状態を持つ個体を区別できること。3つ目は、従来の年齢と比べて、どれだけ長生きするかを予測するのが得意であること。最後に、老化に関連する慢性疾患がいつ発症するかを予測できること。
これらの特性を検証するには、注意深い方法論とデータ収集が必要で、死のタイミングや病気の発症といったセンシティブな情報を含むから、入手が難しいんだよね。
DNAメチル化の役割
DNAメチル化は、老化時計を作成する最も一般的な方法なんだ。DNAに化学基を追加することで、遺伝子がオンまたはオフになるのに影響を与えるんだ。特定のDNAの領域、いわゆるCpG部位がメチル化の状態について調べられる。これが生物学的年齢についての洞察を提供するんだ。
最近の研究では、多くの老化時計が開発されているけど、その正確性を検証するための標準化されたベンチマークやテストがなかったことが分かったんだ。研究者たちは、これらのエピジェネティック老化時計の性能をテストするための新しいベンチマークを提案したんだ。
ベンチマーク方法論
新しい方法論は、老化を早める条件、いわゆる老化加速条件(AAC)を特定することに焦点を当ててるんだ。AACと見なされるには、条件が寿命を短くし、慢性的であり、血液や唾液のサンプルに現れる形で体に系統的に影響を与える必要があるんだ。
研究者たちは、さまざまな研究から得られた大量のDNAメチル化データセットを収集して、これらの条件を検証したんだ。このデータを使うことで、異なる老化時計がそれぞれの条件に対してどのように機能するかを比較できるんだよ。
条件のカテゴリ
研究者たちは、老化を加速させる条件を9つのグループに分類したんだ。心臓、免疫系、腎臓、肝臓、代謝、筋肉や骨、神経変性の問題、呼吸器の問題、そして早期老化を引き起こすまれな条件に関連するものが含まれてるんだ。
これらのカテゴリに注目することで、研究者たちは老化に寄与するさまざまな病気をカバーし、老化時計をテストするための関連データを集めようとしてるんだ。
データ基準
ベンチマーク用のデータを選ぶとき、研究者たちは信頼性を確保するために厳しい基準を設けたんだ。公に利用可能なデータセットのみを含めて、血液、唾液、類似のソースから取得したデータに焦点を当てたんだ。データセット内の個人の年齢が正確に記録されている必要があって、DNAデータ収集のための特定の方法が使われてる。
これらの基準は、現実の条件に対して老化時計を評価する際に信頼できる結果を提供するのを助けるんだよ。
老化時計の評価
研究者たちは、老化時計がどれだけ生物学的年齢を予測できるかを評価するために4つのタスクを提案したんだ:
相対的老化加速予測:このタスクは、時計が健康な個体と加速老化の状態にある個体を区別できるかを測定するものなんだ。
絶対的老化加速予測:このタスクは、時計が既知の老化加速条件を持つ個体の加速老化の兆候を予測できるかをチェックする。
従来の年齢予測の正確性:このタスクは、時計が従来の年齢をどれくらい正確に予測できるかを見たいものだ。
系統的従来の年齢予測バイアス:このタスクは、時計が偏った予測を出すか、つまり一貫して年を加えたり引いたり間違えるかを評価する。
これらのタスクのパフォーマンスを分析することで、研究者たちは各老化時計の効果をよりよく理解できるんだ。
累積ベンチマークスコア
異なる時計を公平に比較するために、累積ベンチマークスコアが作成されたんだ。このスコアは、さまざまなタスクの結果をまとめて、各老化時計の潜在的なバイアスも考慮するんだ。スコアが高いほど、信頼性の高い老化時計を示してるんだよ。
ベンチマークの結果
このベンチマークプロセスを通じて、研究者たちはいくつかの老化時計をテストしてみたんだけど、新しい第二世代の時計は、寿命をより正確に予測するように設計されていて、一般的により良い性能を示したんだ。これらの時計は、健康な個体と加速老化条件のある個体を区別するのが得意だった。
でも、古い第一世代の時計もいくつかの領域で可能性を示した、特に生物学的年齢を予測するのが良かったんだ。しかし重要なのは、すべてのモデルが正確に評価するのが難しい条件もあったので、時計の設計と検証を強化するためにさらに研究が必要だってことだ。
結論
DNAメチル化や他のバイオマーカーを通じての生物学的年齢の研究は、人間の寿命を理解し、潜在的に延ばすための希望を持っているんだ。老化時計のベンチマークを系統的に行うことで、研究者たちは方法を洗練させて、今後の研究や臨床実践が信頼できるデータに基づくものになるようにしていけるんだ。
これらの測定を改善することで、老化を延ばして健康を改善するための治療法の臨床試験で大きな進展が得られるかもしれない。研究が進むにつれて、老化の影響と戦い、世界中の人々の生活の質を向上させる効果的な方法を見つけられることを期待してるんだ。
タイトル: ComputAgeBench: Epigenetic Aging Clocks Benchmark
概要: The success of clinical trials of longevity drugs relies heavily on identifying integrative health and aging biomarkers, such as biological age. Epigenetic aging clocks predict the biological age of an individual using their DNA methylation profiles, commonly retrieved from blood samples. However, there is no standardized methodology to validate and compare epigenetic clock models as yet. We propose ComputAgeBench, a unifying framework that comprises such a methodology and a dataset for comprehensive benchmarking of different clinically relevant aging clocks. Our methodology exploits the core idea that reliable aging clocks must be able to distinguish between healthy individuals and those with aging-accelerating conditions. Specifically, we collected and harmonized 66 public datasets of blood DNA methylation, covering 19 such conditions across different ages and tested 13 published clock models. We believe our work will bring the fields of aging biology and machine learning closer together for the research on reliable biomarkers of health and aging. Code: https://github.com/ComputationalAgingLab/ComputAge Dataset: https://huggingface.co/datasets/computage/computage_bench
著者: Dmitrii Kriukov, E. Efimov, E. A. Kuzmina, E. E. Khrameeva, D. V. Dylov
最終更新: 2024-06-06 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.06.06.597715
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.06.06.597715.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 biorxiv に感謝します。