Методы машинного обучения могут предсказать биологический возраст организма
Мышечная атрофия — один из процессов, связанных со старением, который связан с ухудшением состояния скелетных мышц и снижением их функциональности. Американские учёные недавно разработали новую технологию машинного обучения, которая позволяет предсказывать биологический возраст мышц и предотвращать мышечную атрофию.
Модели на основе глубокого обучения можно использовать для оценки важности генетических и эпигенетических факторов, влияющих на этот процесс в разных возрастных группах.
«Мы считаем, что наиболее эффективные методы борьбы со старением должны быть тканеспецифичными, поэтому мы сосредоточились на разработке тканеспецифичных биомаркеров старения. Данное исследование представляет собой пример маркера для скелетной мышечной ткани», — отметила Полина Мамошина, ведущий исследователь американской компании Insilico Medicine, занимающейся разработкой технологий искусственного интеллекта нового поколения.
 |
В исследовании, опубликованном в журнале Frontiers in Genetics, группа проанализировала экспрессию генов в молодых и старых тканях здоровых доноров.
Был проведен дифференциальный анализ экспрессии генов для сравнения экспрессии молодых и старых мышечных тканей и предварительной обработки полученных данных для набора алгоритмов машинного обучения.
Применив несколько методов машинного обучения, они предсказали возраст образцов на основе сигнатуры транскриптома.
Наконец, обученные предикторы возраста использовались для определения специфичных для тканей мер старения.
Комбинированный подход на основе данных продемонстрировал, что модель прогнозирования возраста может стать полезным инструментом для выявления потенциальных целей для агентов долголетия.
Возрастная потеря мышечной массы остаётся серьёзной клинической проблемой, затрагивающей сотни миллионов пожилых людей. Она связана с такими неблагоприятными последствиями для здоровья, как падения, нарушение равновесия, инвалидность и смерть. Понимание потери мышечной массы в ходе исследований старения позволяет предположить, что понимание молекулярных механизмов старения мышц может указать на потенциальные подходы к омоложению.
