Az öregedés egyetlen változó dinamikájára való redukálása az öregedés kvantitatív modelljét a sztochasztikus egyenlet formájában készíti el. (1) a ref. 18, és ez a tanulmány különbözik azoktól a korábbi javaslatoktól, amelyek a mortalitást egy fiziológiás állapot dinamikájából származtatták58,59. Az ilyen modellek a nagyon nagy dimenziójú terekben való véletlenszerű séták matematikai metaforái, és ezért nehéz lehet értelmezni vagy következtetni a biológiai jelekből további feltevések nélkül. Úgy gondoljuk, hogy a kritikusság egy hasznos elméleti megfigyelés, a mély tanulás pedig egy nagyszerű gyakorlati eszköz, amely együttesen használható a modellparaméterek azonosításának és az élőlény tulajdonságaival való kapcsolatának egyszerűsítésére. Megjegyezzük, hogy a halandóság Gompertz-törvényének magyarázata nem elegendő bizonyíték az öregedés elméletére. A fiziológiai indexek sztochasztikus longitudinális dinamikájának modell-előrejelzéshez való illesztése sokkal nehezebb kihívás, és a modell validálásának hatékony eszközeként kell használni.

A cisztanche glikozidja növelheti az SOD aktivitását a szív- és májszövetekben, és jelentősen csökkentheti az egyes szövetek lipofuscin- és MDA-tartalmát, hatékonyan megkötve a különböző reaktív oxigéngyököket (OH-, H2O₂ stb.) és megvédheti a DNS-károsodást. OH-gyökök által. A Cistanche feniletanoid glikozidok erős szabad gyökfogó képességgel rendelkeznek, nagyobb redukáló képességgel rendelkeznek, mint a C-vitamin, javítják a SOD aktivitását a spermiumszuszpenzióban, csökkentik az MDA-tartalmat, és bizonyos védő hatást fejtenek ki a spermium membrán működésére. A cistanche poliszacharidok fokozhatják a SOD és a GSH-Px aktivitását a D-galaktóz által okozott kísérletileg öregedő egerek eritrocitáiban és tüdőszöveteiben, valamint csökkenthetik a tüdő és a plazma MDA- és kollagéntartalmát, valamint növelhetik az elasztintartalmat. jó eltávolító hatás a DPPH-ra, meghosszabbítja a hipoxia idejét öregedő egerekben, javítja a SOD aktivitását a szérumban, és késlelteti a tüdő fiziológiás degenerációját kísérletileg öregedő egerekben A sejtmorfológiai degenerációval a kísérletek kimutatták, hogy a Cistanche jó antioxidáns képességgel rendelkezik és potenciálisan gyógyszer lehet a bőröregedési betegségek megelőzésére és kezelésére. Ugyanakkor a Cistanche-ban található echinakozid jelentős mértékben képes megkötni a DPPH szabad gyököket, és képes megkötni a reaktív oxigénfajtákat és megakadályozza a szabad gyökök által kiváltott kollagén lebomlását, valamint jó helyreállító hatással van a timin szabad gyökök anionjainak károsodására.

Kattintson a Cistanche Powder Bulk elemre

【További információ: david.deng@wecistanche.com / WhatApp:86 13632399501】

A dFI exponenciálisan nőtt az életkorral, jellemző megduplázódási rátával: {{0}},02 hetente. Ez a becslés valamivel kisebb (de még mindig ugyanabban a nagyságrendben van), mint az SWR/J törzsre vonatkozó, heti 0,037-es gompertzi halálozási gyorsulási ráta22. Tekintettel az egereknél megfigyelt dFI megkettőződési rátára, t ~ 3, és így a determinisztikus fenotípusos változások 3-szorosan uralják a véletlenszerű hatásokat (lásd a (2) egyenletet és a 3. ábrát).

Még érdekesebb, hogy a keresztmetszeti adatállományban a dFI egy határértékre telített, amit a csoport átlagos élettartamának megfelelő életkorban érünk el. Megfigyeltük azonban, hogy a dFI plafon megfelel az eutanáziára tervezett állatok kohorszainak dFI szintjének a jelenlegi laboratóriumi protokollok szerint a túlzott morbiditás miatt, ami olyan közel van a természetes okok miatti halálhoz, mint az állatok egy modern laboratóriumban.

Az MPD öregedési pályáinak mindkét jellemzője kompatibilis az egyenlet analitikai megoldásaival. (1) a rendelési paraméter dinamikájához. A ref. A 18. ábrán elmagyaráztuk, hogy az élet korai szakaszában a dFI exponenciálisan növekszik (lásd a (2) egyenletet). A populáció átlagos élettartamának hozzávetőlegesen megfelelő életkorban nemlineáris hatások veszik át a dFI dinamikáját, és a szervezet állapota az exponenciálisnál is gyorsabban tér el fiatalos állapotától. Az ilyen helyzet összeegyeztethetetlen a túléléssel, ezért nem figyelhető meg az adatokban. Modellünkben és kísérletünkben az elhullás gyorsan bekövetkezik, ha az állat életének egy bizonyos pontján elérik a maximális dFI szintet.

A sztochasztikus egyenlet. (1) meghatározza a „mozgás törvényét” a szervezet fiziológiás állapotára vonatkozóan, és előrejelzi a késői halálozás lassulását a mortalitás telítettsége formájában a plató szintjén, Mðt ≫ tÞ ≈ . Az előre jelzett kapcsolat a korlátozó mortalitás és a mortalitási ráta megduplázódási ideje között különböző fajokban60, valamint ugyanazon fajokon, például fonálférgéken42 végzett több körülmény között. Itt beszámolunk a korlátozó mortalitási előrejelzés érvényesítéséről nagyon nagy egércsoportokban a ref. 25.

A nagy kísérletek empirikus mortalitási görbéi és az elméleti előrejelzés közötti jó félkvantitatív egyezés egy független és érzékeny tesztet biztosít az öregedés kritikusságkor modelljére, mint elméleti keretre, amelyet itt javasoltunk az idősödő állatokkal végzett kísérletek adatelemzéséhez. Pontosabban, a késői halálozás lassulási előrejelzésének kísérleti megerősítése érvényesíti az alapvető sztochasztikus egyenletet. (1) és annak dFI formájában történő megoldása és a minden ok miatti halálozás közötti összefüggés. Azt is megjegyezzük, hogy a mortalitás lassulása a modellben a rendelési paraméterek dinamikájának sztochasztikus természetéből adódik, és még genetikailag azonos állatok csoportjában is várható (lásd a 61. hivatkozásban).

A Gompertz-törvénytől való eltérések az emberi kohorszokban is előfordulnak, de az átlagos élettartamot meghaladó életkorban, amikor a mortalitás már jóval meghaladja a halálozási ráta megduplázódási arányának megfelelő elméleti határt közel nagyságrenddel60. Ez azt jelenti, hogy a szervezet állapotdinamikájának jellege az emberi öregedés során minőségileg más, mint az egerekben vagy a fonálférgeké. A ref. Az 5. ábrán megfigyeltük, hogy a fiziológiai indexek ingadozását az emberekben is egy kollektív változó uralja, amelyet viszonylag hosszú, de véges autokorrelációs idő (néhány hét tartományban) jellemez, és összefüggésbe hozható az életkorral és a minden ok miatti halálozással. A dinamikus stabilitás elvesztésének jeleit mutató egyedek száma (a rendkívül hosszú autokorrelációs idővel mérve) az életkor előrehaladtával exponenciálisan nőtt, a Gompertz-féle halandósági törvényből származó mortalitás megkétszereződésének arányával61.

A fiziológiai állapotváltozók autokorrelációs tulajdonságai és az öregedés jellegzetességei közötti bensőséges kapcsolat arra utal, hogy a mély tanulással megerősített AR-analízis segíthet felfedezni az emberi öregedés és a krónikus betegségek progressziójának jeleit. A haszon különösen nagy lehet azokban a vizsgálatokban, amelyek nagyszámú longitudinális mérést tartalmaznak, de gyakran hiányoznak a mortalitási és morbiditási nyomon követési információk. Míg az egereknél az öregedés jellemzői korrelálnak és elsősorban visszafordíthatók, az emberben az öregedéssel kapcsolatos fiziológiai változások nagy része sztochasztikus és termodinamikailag visszafordíthatatlan62. Ezért arra számítunk, hogy a dinamikus rendszerelméleti elvek szisztematikus alkalmazása az orvosbiológiai adatok elemzésére segít azonosítani a hatásos öregedési fenotípusokat, és ezáltal elősegíti a tartós fiatalító hatást kiváltó öregedésgátló terápiák felfedezését és fejlesztését.

Mód

Adatkészletek

A képzési adatsor az MPD19-ben elérhető kilenc adatforrásból készült. A mellékelt források listája az 1. kiegészítő adatokban található, hivatkozásokkal a beépített és hiányzó rekordokra, nem és életkor szerinti csoportosításban. Kizárólag a CBC adatokat szolgáltató teszteket használtuk, más biomarkerekkel végzett vizsgálatokat nem vettük figyelembe a nem megfelelő mintaszám miatt. Modellünket az összes forrásból elérhető CBC-funkciók legjobb átfedésével képeztük ki. A végső lista 12 CBC jellemzőt tartalmazott: granulocita differenciál (GR százalék), granulocitaszám (GR), hemoglobin (HB), hematokrit (HCT százalék), limfocita differenciál (LY százalék), limfocitaszám (LY), átlagos corpuscularis hemoglobintartalom ( MCHC), átlagos hemoglobinkoncentráció (MCH), átlagos corpuscularis térfogat (MCV), vérlemezkeszám (PLT), vörösvérsejtszám (RBC) és fehérvérsejtszám (WBC). Az összes rövidítés listáját lásd a 2. kiegészítő adatokban. Ha az adatforrásból hiányoztak a granulocita mérések, a következő képletekkel kérték le:

Minden állatot, amelynek egy vagy több hiányzó paramétere volt, kizártuk a képzésből. A kizárt rekordok százalékos aránya volt<2% and should not have affected the results.

Állatok

Minden állatkísérletet jóváhagyott a Roswell Park Cancer Institute Institutional Animal Care and Use Committee vagy az Explora BioLabs, Inc Animal Use Committee.

4–5-hetes NIH svájci hím és nőstény egereket kaptunk a Charles River Laboratories-tól (Wilmington, MA). Megengedték nekik, hogy a Roswell Park Comprehensive Cancer Center (RPCCC) állatlétesítményében öregedjenek. Ezalatt az egereket ketrecenként 1-3-an helyezték el, és ad-lib etettük őket standard étellel (Tekland Global 18% Protein Rodent Diet). A PFI3 létrehozásának részeként különböző életkorokban vettek vérmintákat. Vérmintákat vettünk egyetlen submandibularis vénás vérzésből EDTA-val kezelt Vacutainer csövekbe (teljes térfogat 20 ul), és teljes vérsejtszámra és glükózmérésre használták fel Hemavet 950 Analyzer (Drew Scientific) segítségével. További 75 ul vért gyűjtöttünk Li-Heparinnal kezelt plazmaleválasztó csövekbe; A plazmát 5000×g-vel 5 percig végzett centrifugálással tisztítottuk, és a keringő gyulladást elősegítő citokinek és trigliceridek koncentrációjának mérésére használtuk.

Az MA0071 adatkészletet egy keresztmetszeti kísérletben építettük fel hím és nőstény NIH Swiss egerek felhasználásával. Vért vettek hím egerekből 26 (n=20), 64 (n=18), 78 (n=17), 92 (n=14), és 132 (n=6) hét. A női korcsoportokat a 30 (n=20), 56 (n=20), 68 (n=19), 82 (n=19), 95 éves korosztály képviselte. (n=18), 108 (n=20) és 136 (n=7) hét. Az MA0072 adatkészletet longitudinális kísérletből nyertük. A vérmintákat 66 (n=27), 81 (n=22), 94 (n=21), 109 (n=16) és 130 évesen vettük. (n=7) hét. Az MA0073 adatkészlet 97 különböző korú hím és 127 nőstény egérből gyűjtött vérmintákat tartalmaz, amikor az állatok elérték a jóváhagyott kísérleti végpontokat, és humánus eutanáziát igényeltek. Az összes állatkísérletet az Institutional Animal Care and Use Committee (IACUC) jóváhagyott protokollja szerint végeztük. Az egereket naponta figyelték az életkorral összefüggő patológiák kialakulására. Amikor egészségügyi problémákat jelentettek, a kutatók kapcsolatba léptek az állatorvossal, és követték a kezelésre vagy az eutanáziára vonatkozó ajánlásaikat. Az egereket addig kezelték, amíg állapotuk javult vagy elaltatták, amikor elérték a protokollban leírt egészségügyi állapotok végpontját. Az eutanáziát CO2 fulladással, majd nyaki diszlokációval végeztük. Az ezekben az adatkészletekben szereplő állatok teljes számát lásd a 3. kiegészítő adatokban.

A p16/INK4a-LUC nőstény egereket (p16-Luc) 44-106 hetes korban az Észak-Karolinai Egyetem (Chapel Hill, NC) N. Sharpless laboratóriumából szereztük be. Minden állatot 12:12 fény:sötét körülmények között (12 óra fény, majd 12 óra sötétség) tartottak az RPCCC Laboratory Animal Shared Resource-jában. Az összes állatkísérletet a Roswell Park Cancer Institute IACUC jóváhagyta. A biolumineszcens képalkotást IVIS Spectrum képalkotó rendszerrel (Caliper LifeSciences, Inc, Waltham, MA) végeztük. A p16/Ink4a-Luc plus /- egereket intraperitoneálisan D-Luciferinnel (150 mg/kg, Gold Biotechnology) injektáltuk, 3 perccel később izofluránnal érzéstelenítettük, és 20-második integrációs idővel és tápközeg-kötéssel leképeztük. A képeket Living Image szoftverrel (Perkin Elmer, Waltham, MA).

A rapamicin kezelési kísérlethez 60-hetes C57BL/6J hím egereket szereztünk be a Jackson Laboratories-tól (USA). A 60 60-hetes C57BL/6 hím egerek csoportját rétegzett randomizációs technikával kezelt (n=12) ​​és kontroll (n=48) csoportokra osztották, hogy a dFI megkülönböztethetetlen eloszlását kapjuk. értékek a kísérlet előtt. A vérmintákat (teljes térfogata 120 μl) EDTA csövekbe gyűjtöttük submandibularis vagy arcvénán keresztül lándzsa segítségével. Az összes állatkísérletet az Explora BioLabs, Inc. állathasználati bizottsága (IACUC SP17-004-035B) hagyta jóvá, és az Explora BioLabs, Inc. a laboratóriumi állatok gondozására, jólétére és kezelésére vonatkozó irányelvei voltak. A rapamicint az LC Laboratories-tól (MA, USA) vásároltuk. A rapamicint naponta 12 mg/ttkg adagban adták be szájszondán keresztül 8 héten keresztül. A kontrollcsoportot vivőanyaggal kezelték (5% Tween{15}}, 5% PEG-400, 3% DMSO).

Méretezés csökkentése PCA-val

A PCA-t Python és Scikit-learn csomag63 segítségével végeztük. Először a PCA transzformációt alkalmaztuk a teljes képzési adatkészletre. A fő komponenseket azonban az egértörzsek különbsége uralta. A törzskülönbséget úgy távolítottuk el, hogy kivontuk a kiválasztott törzs számára elérhető legkorábbi életkorra számított CBC jellemzők átlagértékeit az összes állat CBC jellemzőinek értékéből ehhez a törzshez:

ahol az i és j indexek a CBC jellemzőit és törzseit sorolják fel, és az állat életkora. Az egyszerűség kedvéért kiszűrtük azokat az egértörzseket, amelyek nem szerepeltek a Peters4 adatkészletben64.

A teljes adatkészletet reprezentáló adatok legtöbb eltérése az állatok növekedésével és érlelésével függött össze. Az első PC pontszám az állatok életkorával nőtt, leginkább 25 hét után (1. kiegészítő ábra). Éppen ellenkezőleg, a második és a harmadik PC-pontszám 25 hetes korban eléri a nullától eltérő átlagot. Ez arra utal, hogy az egerek öregedése és korai fejlődése eltérő fenotípus. Ezt követően minden számításunkat 25 hetesnél idősebb állatok adatai alapján végeztük el.

Halandósági adatok statisztikai elemzése

A Peters4 MPD-adatkészlettel összekapcsolt állatok halálozási rekordja szintén elérhető volt az MPD-ben Yuan223 nevű különálló adatkészletként. Ezek az adatkészletek különböző állatcsoportokat tartalmaznak, amelyek nagy átfedésben vannak. A Peters4 adatkészletben 487 állat mortalitási rekordját találtuk, míg 393 állat hiányzott. Az eltűnés oka ismeretlen. A cenzúrarekordok létrehozásához minden olyan állatot bevontunk, amelynél legalább két egymást követő CBC-mérés történt. Feltételeztük, hogy az egyszeri CBC méréssel ellátott állatokat valószínűleg a vérvétel után leölték. Ezért, ha egy állatnak egynél több CBC-mérése van, akkor elveszettnek tekintjük az utolsó mérésnél. Összesen 79 olyan állatot találtunk, amely megfelel ennek a feltételnek. A többi 314 ismeretlen mortalitási dátumú állatot kizártuk az elemzésből.

A Spearman-féle rangkorrelációs tesztet külön-külön végeztük el a két egércsoport esetében. Az első kohorsz a Peters4 adatkészletből származó összes állatot tartalmazta, cenzúrázatlan halálozási rekordokkal. A második kohorsz a Peters4-adatkészletből származó állatokat tartalmazott, a BW és az IGF1 szérumszint mérésével a Yuan1 24 MPD-adatkészletből.

Elvégeztük a Cox PH regressziós analízist a Python és a Lifelines 65-ös csomag segítségével. Először elkészítettük a felügyelt többváltozós Cox-PH modellt az életkor, a nem és a CBC jellemzők kovariánsok felhasználásával, és felhasználtuk az összes Peters-féle állat adatait4. adatkészlet, beleértve a cenzúrázott és cenzúrázatlan halálozási eseményeket is. A modell kimenete, a log-hazard ratio (HRCBC) a CBC jellemzőket és a Cox-PH modell megfelelő együtthatóit tartalmazó vektor pontszorzata. Ezt követően a Spearman-féle rangkorrelációs teszt alternatívájaként teszteltük a HRCBC funkció asszociációját egy egyváltozós Cox-PH modellben a dFI pontszám mellett azonos korú és nemű állatok csoportjaiban (lásd a 6. kiegészítő adatokat). Mindkét teszt jó összhangban volt egymással.

Az AE/AR neurális hálózat oktatása

Egy mély AE és egy egyszerű AR modell kombinációját használtuk a modális elemzéshez (AE-AR modell). Szűk keresztmetszetében az AE kódoló karja a bemenet tömörített 4-dimenziós reprezentációját, a rendelkezésre álló CBC-mérésekből felépített 12-dimenziós fiziológiai állapotvektort x. A dekódoló kar a szűk keresztmetszet jellemzőiből rekonstruálta az eredeti 12-dimenziós állapotot ~ x.

Az AE-vel egyidejűleg betanítottuk a hálózatot, hogy illeszkedjen az MPD longitudinális szeletéhez (beleértve a 26-104 hetes teljesen kifejlett állatokat Δt=26 hét mintavételi időközzel) a linearizált (g) oldathoz.=0) az Eq. (1),

ahol z az AE szűk keresztmetszet jellemzőinek lehető legjobb lineáris kombinációja, r=expð ΔtÞ ≈ 1, és z0 az autoregressziós együttható és az állandó eltolódás legjobban illeszkedő értékei. Itt ξ az illeszkedés hibája (a rendszer zajának és mérési hibáinak kombinációja).

A ref.-ben javasolt neurális hálózati architektúrát alkalmaztuk. 45. Megvalósításunk a keresztmetszeti és longitudinális méréseket egyidejűleg kezelte a valós klinikai adatokra jellemző keresztmetszeti adatok javára. Bemenetként a hálózat három 12-dimenziós vektorral rendelkezik, amelyeket CBC paraméterek képviselnek: egy a keresztmetszeti adatkészlethez (x), és két másik a jelennek (xn) és a jövőnek (xn plusz 1) megfelelő longitudinális adatkészlethez. ) egy minta állapotai (7a. ábra).

A keresztmetszeti minták bemenetként szolgáltak az AE-ben. A tömörített reprezentáció longitudinális mintái (yn, yn plusz 1) szintén részt vettek a tréning autoregressziós részben. Az AE neurális hálózatba való beépítésének fő előnye, hogy képes hatékonyan csökkenteni a nemlineáris dimenziót66, ami szükséges olyan korrelált mennyiségekhez, mint a CBC komponensek (1a. ábra). A látens dimenziók csökkentett mérete rendszerezésként működik, és segít a képzésben anélkül, hogy túlillesztésre kerülne egy kis longitudinális adatkészlet, több minta felhasználásával egy nagyobb keresztmetszeti adatkészletből.

Az AE blokk az (x) bemenetet az 4-dimenziós vektor y=ϕ(x)-be kódolja, majd visszaállítja az eredeti e x=ϕ 1 ðyÞ jelet. Az AE-t teljesen összekapcsolt sűrű rétegekből és maradék hálózati blokkokból álló halomként valósították meg (ResNet)67. A sűrű rétegeknek alapértelmezés szerint van egy W betanítható súlymátrixa, b torzítási vektora és egy lineáris aktiválási függvény. A 7b. ábrán látható ResNet blokk két sűrű rétegből álló halom egy szivárgó rektifikált lineáris egység (Leaky ReLU) aktiválási funkciójával. A bemenet és a kimenet elemenkénti összeadással van összekapcsolva. A ResNet blokkok nemlineáris egyenirányító transzformációkat adnak az eredeti bemenethez, segítve a nemlineáris transzformációk megtanulását. Az AE-t egyszerre képezik keresztmetszeti és longitudinális adatkészleteken.

A projektor blokk egy 4-dimenziós vektort vesz be bemenetként, és egy z=A ⋅ y skalárrá alakítja át, amelyet dFI-nek nevezünk. A betanítás során egy pár vektort táplálunk a bemenetekre: egy in a rendszer jelenlegi állapotára és egy yn plusz 1 a jövőbeli állapotra. A lineáris dinamika blokk megoldja az autoregressziós problémát (7), és megjósolja a jövőbeli állapotot Zn plusz 1=ξ(rZn)=rzn plus b. A segéddekódoló blokk rekonstruálja az eredeti 12-dimenziós CBC vektort az ezn plus 1 lineáris dinamikai blokk kimenetéből az AE blokk ϕ−1 dekóderének felhasználásával: e xn plus 1=ϕ 1 ðB ezn plus 1Þ.

Kényszeríteni A és B mátrixait a projektorban és a lineáris dinamikai blokkokat bal és jobb oldali sajátvektorokká az egyenlet megoldásában. (7) a következő megszorításokat adtuk hozzá:

Itt LAE az AE rekonstrukciós vesztesége, Lpred a jövőbeli állapot rekonstrukciós vesztesége, LAR az autoregressziós veszteség, LC az a veszteség, amely a kényszerek egyenletből való kikényszerítését jelenti. (8), és a k Wk2 2 kifejezés az NN súlyok L2-es szabályzása a túlillesztési probléma elkerülése érdekében.

Az 1-es, 3-as és 4-es súlyokat az 1, 100 és 0.01 értékekhez rendeltük. A 2-es súlyt fokozatosan növelték 0-ról 1-re az edzés során. A modellt 600 korszakra betanították 0,001-es tanulási sebességgel, az Adam-optimalizálót pedig 68-ra. Az utolsó 200 korszakot 0,0001-es tanulási sebességgel tanították. Az AE/AR NN architektúrát Python és TensorFlow keretrendszerrel valósították meg69.

A rendelési paraméter nemlineáris dinamikája döntő fontosságú a mortalitás magyarázatában. Ugyanakkor a nemlinearitás hatásai szinte mindig elhanyagolhatók egy állat élete során, ha a t állat élettartamát a mortalitási ráta megduplázódási idejének mértékegységében kifejező dimenzió nélküli paraméter nagy, t ≫ {{1} }. Tekintettel az egereknél megfigyelt dFI megduplázódási arányokra, t ~ 3, és így a lineáris AR modell csak ésszerű közelítés. A jövőben jobb dFI-változatokat kell szerezni az AR-modellek rangsorának növelésével, esetleg a dFI-vel való mód-csatolás hatásaival.

Modellértékelés

A modellt tesztadatkészletekben validálták (lásd a 3. kiegészítő adatokat), amelyeket teljesen kizártak az AE-AR modell képzéséből. A vizsgálati adatkészleteket független kísérletekből nyertük, CBC-mintákat gyűjtve különböző korú és nemű NIH Swiss egerek kohorszaiból (MA0071 adatkészlet), 15 hónapig megfigyelt NIH svájci hím egerek kohorszából (MA0072 adatkészlet), valamint naiv hímek és egerek kohorszaiból. nőstény NIH Swiss egerek, amelyeket humánus módon elaltattak, miután elérték a jóváhagyott kísérleti végpontokat (MA0073 adatkészlet).

Megbecsültük az AE rekonstrukciós hibáját a négyzetes hiba (RMSE) és az R2 determinációs együttható kiszámításával minden egyes CBC jellemzőre a képzési és tesztkészletekben (4. kiegészítő adat és 5. kiegészítő adat). Az átlagos RMSE a tesztkészletben 229,6 volt, R2=0,55; az edzéskészletben az RMSE 106,4 és R2=0,77 volt. A legjobb rekonstrukciót a hematokrit (R2=0.95), a vörösvértestek (R2=0.92) és a limfociták (R2=0.87) esetében érték el; a legrosszabb eredményeket az átlagos corpuscularis hemoglobin-koncentráció (R2=− 0.82) és a vérlemezkék (R2=−0.14) érték a tesztkészletben. Megjegyezzük, hogy a definíció szerint −1 < R2 < 1 (lásd pl. 70) a mennyiség negatív lehet akár a vonatban, akár a validációs halmazokban, ami különösen rossz illeszkedést jelez.

Egy gyógyszer dFI-re gyakorolt ​​hatásának meghatározása

Egyedi állatokon végeztük el a rapamicin dFI pályára gyakorolt ​​hatásának vizsgálatát. Technikailag összehasonlítottuk a dFI-szintek növekedését az egyéni élettörténetek mentén, időintervallumokban, attól függően, hogy a következő időpontok között milyen mennyiségű kezelést végeztünk. Az ilyen elemzés kifejezetten a (7) mozgásegyenletre támaszkodik a sorrendi paraméterre, amelyet a dFI közelít. A gyógyszer hatása az "erő" kifejezésben nyilvánul meg, amely csökkenti a dFI-növekedést a mérések között, amikor a gyógyszert adják, és nincs hatása (nincs erő), amikor a gyógyszert nem adják be, mind a kezelési, mind a kontrollcsoportban.

A gyógyszer öregedési folyamatra gyakorolt ​​hatásának meghatározása ezért egyenértékű az "erő" kifejezés meghatározásával az autoregressziós probléma egyenletében. (4). Mivel a dFI szintek természetes ingadozása az állatok között gyakran nagy, a longitudinális vizsgálatoknak nagyobb statisztikai erővel kell rendelkezniük, mint a standard csoport-összehasonlításoknak. A dFI-t az AR modellel (7) képezték. Ennek megfelelően kiválóan alkalmas a jel-zaj arány maximalizálására az öregedésgátló beavatkozás hatásainak longitudinális elemzésében. Ha szükséges, az autoregressziós modell számos zavaró tényezőt képes befogadni, mint például a kísérleti tétel vagy az állatok neme. Technikailag a célt úgy érhetjük el, hogy a megfelelő kovariánsokat hozzáadjuk az egyenlet jobb oldalához (4).

Késői halálozási és túlélési elemzés

Az egerek mortalitási adatait a ref. 25. Az elemzéshez csak a kontrollcsoportokat választottuk ki. A vizsgálatból eltávolított egereket a jelenlegi túlélési elemzésből is eltávolították. Az egereket mindhárom vizsgálati központból és kohorszból összegyűjtöttük, és nemük szerint két csoportra osztották. Összességében 3249 hím és 2978 nőstény egér volt.

A mortalitáselemzés a Lifelines python 65-ös csomagból származó Nelson-Aalen illesztő segítségével történik. A túlélések és egyéb túlélési elemzések Gompertz-illesztéséhez a GitHubon közzétett egyedi kódot használtuk.

Jelentés összefoglalója

A kutatás tervezésével kapcsolatos további információk a cikkhez kapcsolódó természetkutatási jelentés összefoglalójában találhatók.

Az adatok elérhetősége

A tanulmány megállapításait alátámasztó adatok az MPD-ben (RRID: SCR_003212) érhetők el. Az összes eredmény reprodukálására szolgáló nyers adatfájlok és szkriptek elérhetők a GitHub webhelyén. További adatok ésszerű kérésre a megfelelő szerzőktől állnak rendelkezésre. A forrásadatokat ebben a cikkben közöljük.

A kód elérhetősége

A kód elérhető lesz a GitHub webhelyén.

Hivatkozások

1. Horváth, S. Az emberi szövetek és sejttípusok DNS-metilációs kora. Genome Biol. 14, R115 (2013).

2. Levine, ME et al. Az öregedés epigenetikus biomarkere az élettartamra és az egészségre. Öregedés 10, 573 (2018).

3. Antoch, MP et al. Fiziológiai törékenységi index (pdf): az egerek egyéni biológiai életkorának kvantitatív becslése. Öregedés 9, 615 (2017).

4. Putyin, E. et al. Az emberi öregedés mély biomarkerei: mély neurális hálózatok alkalmazása a biomarkerek fejlesztésére. Öregedés 8, 1021 (2016).

5. Pyrkov, TV et al. A vérmarkerek longitudinális elemzése feltárja a rugalmasság fokozatos csökkenését, és előrejelzi az emberi élettartam végső határát. Nat. Commun. 12, 2765 (2019).

6. Schultz, MB et al. Életkor és várható élettartam órák az egér törékenységének gépi tanulási elemzésén alapulnak. Nat. Commun. 11, 1 (2020).

7. Cohen, AA et al. Egy új statisztikai megközelítés bizonyítékot mutat az öregedés során bekövetkező többrendszerű fiziológiai diszregulációra. Mechanizmusok Aging Dev. 134, 110 (2013).

8. Mitnitski, AB, Mogilner, AJ & Rockwood, K. A hiányok felhalmozódása az öregedés proxy-mérőjeként. ScientificWorldJournal 1, 323–336 (2001).

9. Mitnitski, A. et al. Az életkorral összefüggő törékenység és összefüggése az öregedés biológiai markereivel. BMC Med. 13, 161 (2015).

10. Blodgett, JM, Theou, O., Mitnitski, A., Howlett, SE & Rockwood, K. A laboratóriumi törékenységi index és a káros egészségügyi következmények közötti összefüggések életkor és nem szerint. Aging Med. 2, 11 (2019).

11. Justice, J. et al. Szenolitikumok idiopátiás tüdőfibrózisban: egy első emberben végzett, nyílt, kísérleti vizsgálat eredményei. ebiomedicine 40, 554–563 (2019).

12. Fahy, GM et al. Az epigenetikus öregedés és az immunosszenciális tendenciák megfordítása emberekben. Aging Cell 18, e13028 (2019).

13. Hermann Haken. Phys. Astron. online Libr.

14. Scheffer, M. et al. Korai figyelmeztető jelzések kritikus átmenetekre. Nature 461, 53 (2009).

15. Scheffer, M. et al. Az emberek és más állatok ellenálló képességének számszerűsítése. Proc. Natl Acad. Sci. USA 115, 11883 (2018).

16. Krotov, D., Dubuis, JO, Gregor, T. & Bialek, W. Morphogenesis at kritikus. Proc. Natl Acad. Sci. 111, 3683 (2014).

17. Kogan, V., Molodtsov, I., Menshikov, LI, Reis, RJS & Fedichev, P. A modell génhálózatának stabilitási elemzése összekapcsolja az öregedési stressz ellenállást és az elhanyagolható öregedést. Sci. Rep. 5, 13589 (2015).

18. Podolskiy, D. A génhálózatok kritikus dinamikája az öregedés és a Gompertz-törvény mögötti mechanizmus.

19. Bogue, MA et al. Adatforrások elérése az egérjelenség-adatbázisban az egér élettartamának és egészségi állapotának genetikai elemzéséhez. J. Gerontológia. Ser. A 71, 170 (2016).

20. Fiedler, BE Handbook of Dynamical Systems, Vol. 2 (Gulf Professional Publishing, 2002).

21. Seydel, R. Practical Bifurcation and Stability Analysis, Vol. 1. o. 477 (Springer Science & Business Media, 2009).

22. Hughes, BG & Hekimi, S. A hosszú életű egér és a Caenorhabditis elegans mutánsok hosszú élettartamának különböző mechanizmusai, amelyeket a mortalitási arányok statisztikai elemzése tárt fel. Genetics 204, 905 (2016).

23. Yuan, R. et al. A nőstény szexuális érésének korának és élettartamának genetikai társszabályozása az igf1 keringésével a beltenyésztett egértörzsek között. Proc. Natl Acad. Sci. 109, 8224 (2012).

24. Yuan, R. et al. Öregedő beltenyésztett egértörzsek: tanulmányterv és időközi jelentés a medián élettartamról és a keringő igf1 szintekről. Aging Cell 8, 277 (2009).

25. Harrison, DE et al. A későn táplált rapamicin meghosszabbítja a genetikailag heterogén egerek élettartamát. Nature 460, 392 (2009).

26. O'Connell, KE et al. Gyakorlati rágcsáló hematopatológia: összehasonlító áttekintés és a kutatási vonatkozások. Összeg. Med. 65, 96 (2015).

27. Patel, KV et al. Vörösvérsejt-eloszlási szélesség és mortalitás idősebb felnőtteknél: metaanalízis. J. Gerontol. 65 A, 258 (2010).

28. Baggiolini, M. Kemokinek és leukocitaforgalom.

29. Harris, TB et al. Az emelkedett interleukin-6 és a C-reaktív fehérjeszint összefüggései az idősek mortalitásával. Am. J. Med. 106, 506 (1999).

30. Mahmoudi, S., Xu, L. & Brunet, A. Az idő visszaforgatása a kialakulóban lévő fiatalító stratégiákkal. Nat. Cell Biol. 21, 32 (2019).

31. Kuilman, T., Michaloglou, C., Mooi, WJ & Peeper, DS Az öregedés lényege. Genes Dev. 24, 2463 (2010).

32. van Deursen, JM. Az öregedő sejtek szerepe az öregedésben. Nature 509, 439 (2014).

33. Hall, BM et al. Az egerek öregedése p16(Ink4a)- és -galaktozidáz-pozitív makrofág-felhalmozódással jár, amelyet fiatal egerekben öregedő sejtek indukálhatnak. Öregedés 8, 1294 (2016).

34. Kim, WY & Sharpless, NE Az INK4/ARF szabályozása rákban és öregedésben. Cell 127, 265 (2006).

35. Burd, CE et al. Tumorigenezis és öregedés monitorozása in vivo p16 INK4a-luciferáz modellel. Cell 152, 340 (2013).

36. Wilkinson, JE et al. A rapamicin lassítja az egerek öregedését. Aging Cell 11, 675 (2012).

37. Bitto, A. et al. Az átmeneti rapamicin-kezelés növelheti a középkorú egerek élettartamát és egészségi állapotát. elife 5, e16351 (2016).

38. Miller, RA et al. A rapamicin által közvetített élettartam-növekedés egerekben dózis- és nemfüggő, és metabolikusan különbözik az étrend korlátozásától. Aging Cell 13, 468 (2014).

39. Balleza, E. et al. A genetikai szabályozó hálózatok kritikus dinamikája: példák négy királyságból. PLoS One 3, e2456 (2008).

40. Nakamura, E., Miyao, K. & Ozeki, T. Biológiai életkor felmérése főkomponens-analízissel. Mech. Aging Dev. 46, 1 (1988).

41. Park, J., Cho, B., Kwon, H. & Lee, C. Biológiai életkor-értékelési egyenlet kidolgozása főkomponens-analízis és az öregedés klinikai biomarkereinek felhasználásával koreai férfiaknál. Boltív. Gerontol. geriátria 49, 7 (2009).

42. Tarkhov, AE et al. Az életkor univerzális transzkriptomikus aláírása felfedi a Caenorhabditis elegans öregedési pályáinak időbeli skálázódását. Sci. Rep. 9, 1 (2019).

43. Johnstone, IM & Lu, AY A konzisztenciáról és ritkaságról a főkomponensek elemzéséhez nagy méretekben. J. Am. Statisztika. Assoc. 104, 682 (2009).

44. Mardt, A., Pasquali, L., Wu, H. & Noé, F. VAMPnets for deep learning of molecular kinetics. Nat. Commun. 9, 5 (2018).

45. Lusch, B., Kutz, JN & Brunton, SL Mély tanulás a nemlineáris dinamika univerzális lineáris beágyazásához. Nat. Commun. 9, 4950 (2018).

46. ​​Wu, T. & Tegmark, M. A mesterséges intelligencia fizikusa felé a felügyelet nélküli tanulásért. Phys. Rev. E 100, 033311 (2019).

47. Liu, Z. & Tegmark, M. Ai poincar\'e: gépi tanulási megőrzési törvények pályákról. Phys. Rev. Lett. 126, 180604 (2020).

48. Hofmann, B. A Youngblood megfiatalítja a régi testeket: gondolkodásra szólít fel, amikor egérből emberré váltunk. Karger 1, 45 (2018).

49. Beerman, I. et al. A DNS-metilációs táj proliferációtól függő változásai állnak a hematopoietikus őssejtek öregedésének hátterében. Cell Stem Cell 12, 413 (2013).

50. Franceschi, C. et al. Gyulladásos öregedés: az immunszenszcencia evolúciós perspektívája. Ann. NY Acad. Sci. 908, 244 (2006).

51. Pawelec, G. Immunosenescence and cancer. Biogerontology 18, 717 (2017).

52. Crooke, SN, Ovsyannikova, IG, Lengyelország, GA és Kennedy, RB Immunosenescence és humán vakcina immunválaszok. Immun. Öregedés 16, 25 (2019).

53. Pang, WW et al. Az emberi csontvelői vérképző őssejtek gyakorisága megnövekszik, és az életkor előrehaladtával mieloid torzítású. Proc. Natl Acad. Sci. USA 108, 20012 (2011).

54. López-Otín, C., Blasco, MA, Partridge, L., Serrano, M. & Kroemer, G. Az öregedés jellegzetességei. Cell 153, 1194 (2013).

55. Partridge, L., Fuentealba, M. & Kennedy, BK Az öregedés lassítása a kábítószer-felfedezésen keresztül. Nat. Rev. Drug Discov. 19, 513–532 (2020).

56. Wang, Y. et al. A kemoterápiás mellékhatások és mortalitás előrejelzése primer tüdőrákban szenvedő idősebb betegeknél rutin laboratóriumi adatok alapján a törékenységi index segítségével. Clin. Interv. Öregedés 14, 1187 (2019).

57. Kane, AE, Keller, KM, Heinze-Milne, S., Grandy, SA & Howlett, SE Klinikai és laboratóriumi méréseken alapuló egér törékenységi index: a törékenység és a gyulladást elősegítő citokinek közötti kapcsolatok nem-specifikus módon különböznek . J. Gerontol. Ser. A 74, 275 (2019).

58. Sacher, G. & Trucco, E. A halandóság sztochasztikus elmélete. Ann. NY Acad. Sci. 96, 985 (1962)].

59. Yashin, AI, Manton, KG & Vaupel, JW Halálozás és öregedés heterogén populációban: sztochasztikus folyamatmodell megfigyelt és nem megfigyelt változókkal. Theor. Popul. Biol. 27, 154 (1985)].

60. Vaupel, JW et al. A hosszú élettartam biodemográfiai pályái. Science 280, 855 (1998).

61. Pyrkov, TV, Sokolov, IS & Fedichev, PO A hordható érzékelők adatainak mély longitudinális fenotipizálása a hosszú élettartam, a stressz és a rugalmasság független markereit tárja fel. Öregedés 13, 7900 (2021).

62. Tarhov, AE, Denisov, KA és Fedichev, PO Öregedő órák, entrópia és az életkor-visszafordítás határai. bioRxiv (McGraw-Hill, 2022).

63. Pedregosa, F. et al. Scikit-learn: gépi tanulás a {P}ythonban. J. Mach. Tanul. Res. 12, 2825 (2011).

64. Peterset, LL al. Nagy léptékű, nagy áteresztőképességű szűrés egerek véralvadási és hematológiai fenotípusaira. Physiol. Genomics.11, 185–193 (2002).

65. Davidson-Pilon, C. Lifelines.

66. Hinton, GE & Salakhutdinov, RR Az adatok dimenziósságának csökkentése neurális hálózatokkal. Science 313, 504 (2006).

67. He, K., Zhang, X., Ren, S. & Sun, J. Deep residual learning for image discovery. 2016-ban IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, 770–778. oldal (IEEE Computer Society, 2016).

68. Kingma, DP & Ba, JL Adam: sztochasztikus optimalizálás módszere.

69. Abadi, M. TensorFlow: nagyléptékű gépi tanulás heterogén rendszereken.

70. Steel, RGD & Torrie, JH A statisztika alapelvei és eljárásai: különös tekintettel a biológiai tudományokra. (McGraw Hill, 1960). 71. Avchaciov, K. AI az öregedési elvek longitudinális adatokból való felügyelet nélküli tanulásáért.

Köszönetnyilvánítás

Köszönjük Norman Sharplessnek, hogy nagylelkűen biztosította a p16-Luc riporter egereket. Ezt a munkát részben a National Cancer Institute (NCI) P30 CA016056 pályázat támogatta a Roswell Park Comprehensive Cancer Center Laboratory Animal and Translational Imaging Shared Resources (MPA és AVG) közös erőforrásainak használatára, valamint a Genome Protection, Inc. szerződése (MPA és AVG). A szerzők köszönetet mondanak M. Kholinnak a Gerotól a hasznos megjegyzésekért és vitákért.

Szerzői hozzájárulások

Az MPA és az EIA kísérleteket terveztek és végeztek, adatokat elemeztek és értelmeztek, valamint felülvizsgálták a kéziratot. A KA és az AET számításokat és adatelemzést végzett és megírta a kéziratot. OG, LIM, AVG és POF megvitatták az eredményeket, és megírták és felülvizsgálták a kéziratot.

Versengő érdekek

A POF a Gero PTE részvényese. KFT. Az AVG a Gero PTE tagja. KFT. Tanácsadó Testület. KA, AET, LIM, OB és POF a Gero PTE alkalmazottai. KFT. Az AVG a Genome Protection társalapítója és részvényese. Az EIA a Genome Protection munkatársa. Az MPA-nak nincsenek versengő érdekei. A vizsgálatot a Gero PTE finanszírozta. KFT.

További információ

Kiegészítő információkAz online változat kiegészítő anyagokat tartalmaz.

Levelezés és kérésekanyagokért Peter O. Fedichevhez kell fordulni.

Peer review információkA Nature Communications köszönetet mond Konstantin Arbeevnek, Arnold Mitnitskinek és az anonim lektoroknak, hogy hozzájárultak a munka szakértői értékeléséhez.

Kiadói megjegyzésA Springer Nature semleges marad a közzétett térképeken szereplő joghatósági igényeket és az intézményi kapcsolatokat illetően.

Nyílt hozzáférésűEz a cikk a Creative Commons Nevezd meg 4.{1}} Nemzetközi Licenc, amely lehetővé teszi a felhasználást, megosztást, adaptálást, terjesztést és reprodukálást bármilyen médiában vagy formátumban, feltéve, hogy megfelelő elismerést ad az eredeti szerző(k)nek. ) és a forrás, adjon meg egy hivatkozást a Creative Commons licenchez, és jelezze, ha változtatásokat hajtottak végre. A cikkben szereplő képek vagy egyéb harmadik féltől származó anyagok a cikk Creative Commons licencébe tartoznak, hacsak az anyag hitelkeretében másként nem szerepel. Ha az anyag nem szerepel a cikk Creative Commons licencében, és az Ön tervezett felhasználását a törvényi szabályozás nem teszi lehetővé, vagy meghaladja a megengedett felhasználást, akkor közvetlenül a szerzői jog tulajdonosától kell engedélyt kérnie.

További információ: david.deng@wecistanche.com / WhatApp:86 13632399501