Възрастта е водещият рисков фактор за преобладаващи заболявания и смърт. Въпреки това, връзката между свързаните с възрастта физиологични промени и продължителността на живота е слабо разбрана. Комбинирахме аналитични инструменти и инструменти за машинно обучение, за да опишем процеса на стареене в големи набори от надлъжни измервания. Приемайки, че стареенето е резултат от динамична нестабилност на състоянието на организма, ние проектирахме дълбока изкуствена невронна мрежа, включваща компоненти за автоматично енкодер и авторегресия (AR). AR моделът обвързва динамиката на физиологичното състояние със стохастичната еволюция на една единствена променлива, "динамичния индикатор за слабост" (dFI). В подгрупа от кръвни тестове от базата данни за мишки феномен, dFI се увеличи експоненциално и прогнозира оставащата продължителност на живота. Наблюдението на ограничаващия dFI е в съответствие с забавянето на смъртността в края на живота. dFI се промени заедно с отличителните белези на стареенето, включително индекс на слабост, молекулярни маркери на възпаление, натрупване на стареещи клетки и отговор на скъсяващи живота (диета с високо съдържание на мазнини) и удължаващи живота (рапамицин) лечения.

Гликозидът на цистанхе може също така да повиши активността на SOD в сърдечните и чернодробните тъкани и значително да намали съдържанието на липофусцин и MDA във всяка тъкан, като ефективно улавя различни реактивни кислородни радикали (OH-, H₂O₂ и др.) и предпазва от увреждане на ДНК, причинено от ОН-радикали. Cistanche phenylethanoid гликозидите имат силна способност за изчистване на свободните радикали, по-висока редуцираща способност от витамин С, подобряват активността на SOD в сперматозоидната суспензия, намаляват съдържанието на MDA и имат известен защитен ефект върху функцията на мембраната на спермата. Полизахаридите Cistanche могат да повишат активността на SOD и GSH-Px в еритроцитите и белодробните тъкани на експериментално стареещи мишки, причинени от D-галактоза, както и да намалят съдържанието на MDA и колаген в белите дробове и плазмата и да увеличат съдържанието на еластин, имат добър очистващ ефект върху DPPH, удължава времето на хипоксия при стареещи мишки, подобрява активността на SOD в серума и забавя физиологичната дегенерация на белия дроб при експериментално стареещи мишки. С клетъчна морфологична дегенерация експериментите показват, че Cistanche има добра антиоксидантна способност и има потенциала да бъде лекарство за предотвратяване и лечение на заболявания, свързани със стареенето на кожата. В същото време, ехинакозидът в Cistanche има значителна способност да улавя свободните радикали DPPH и има способността да улавя реактивни кислородни видове и да предотвратява индуцираното от свободните радикали разграждане на колаген, а също така има добър възстановителен ефект върху увреждането на аниона от свободните радикали на тимина.

Щракнете върху Cistanche Tablets Предимства

【За повече информация: david.deng@wecistanche.com / WhatApp:86 13632399501】

Стареенето се проявява на много нива от организацията на организма. Съответно, различни набори от променливи на физиологичното състояние, като модели на метилиране на ДНК или маркери за кръвен състав 1–5, могат да се използват за количествено определяне на стареенето. Най-съвременните биомаркери на стареенето произлизат от наблюдавани модели, които изискват хронологична възраст или възраст на смъртност като етикети за обучение (вижте напр. най-новите 6). Алтернативно, броят на натрупаните здравословни дефицити7 или съставните индекси на слабост8,9 корелират с тежестта на заболяването и оставащия живот на хората и животните9,10 и намират приложения в лабораторни експерименти и клинични изпитвания на интервенции против стареене3,11,12. Бъдещото използване на биомаркери за стареене ще зависи от по-доброто разбиране на връзката между отличителните белези на стареенето, биологичните предиктори на възрастта, индексите на слабост и оставащата продължителност на живота.

Тук ние демонстрираме комбинация от съвременни техники за машинно обучение и подходи, заимствани от теорията на динамичните системи, работещи заедно за идентифициране на количествените правила, управляващи проявите на стареенето и тяхната връзка със смъртността от всякаква причина в големи надлъжни биомедицински данни. Започваме с предположението, че стареенето е частен случай на динамиката на сложна система, разгръщаща се близо до бифуркация или повратна точка на границата на област на динамична стабилност. При тези обстоятелства, колебанията в състоянието на организма трябва да се управляват от динамиката на много малко, ако не и на една колективна характеристика, имаща значението на параметъра на поръчката, съответстващ на нестабилната фаза 13–15. Примери за такова намаляване на размерността в биологичните науки включват развитие16, стареене и ускоряване на смъртността5,17,18.

Ние изградихме тази теоретична концепция и създадохме дълбока изкуствена невронна мрежа, съставена от обезшумяващ автоенкодер (AE) и авторегресивен (AR) модел — изчислителна метафора за стохастичната динамика на параметъра на поръчката. За да тестваме подхода, ние използвахме мрежата, за да произведем дескриптор на стареенето въз основа на измервания на пълната кръвна картина (CBC) от най-големия източник с отворен достъп на фенотипни данни, базата данни за фенома на мишката (MPD)19. Променливата на изхода на мрежата, наричана по-долу индикатор за динамична нестабилност (dFI), е най-доброто числено приближение за параметъра на поръчката, свързан с разпадането на състоянието на организма и следователно със стареенето от дадени данни. Ние демонстрирахме, че динамиката на dFI стимулира ускоряването на смъртността и обяснява отклоненията в края на живота от закона за смъртността на Gompertz. dFI проявява най-желаните свойства на маркер за биологична възраст: нараства експоненциално с възрастта, прогнозира оставащия живот на животните, корелира с множество отличителни белези на стареенето и реагира на интервенции, за които е известно, че ускоряват (диета с високо съдържание на мазнини) и забавят ( рапамицин) стареене при мишки.

Резултати

Анализ на основните компоненти на CBC в MPD

Използвахме най-големия публично достъпен източник на надлъжни фенотипни данни, MPD19. За да постигнем възможно най-добрата съвместимост с по-ранни проучвания, ние сканирахме записите в базата данни, за да увеличим максимално броя на наличните измервания, общи за тези, използвани при конструирането на индекса на физиологичната слабост (PFI) в реф. 3. В резултат на това избрахме подгрупа от 12 CBC измервания от девет набора от данни, включващи общо 6693 животни (вижте Допълнителни данни 1 за пълния списък с набори от данни, използвани за обучение на моделите в тази работа).

За да визуализираме {{0}}измерните CBC данни от MPD, извършихме анализ на главните компоненти (PCA). PCA на MPD среза, представляващ напълно зрели животни (надвишаващи възрастта от 25-седмична възраст, вижте Методи за подробности относно определянето на съответния възрастов диапазон), се оказа особено проста. В този случай по-голямата част от вариацията в данните (31 процента) се обяснява с първия PC резултат, z0, с последващите PC резултати (z1, z2 и т.н., всеки обяснява 19 процента, 16 процента и т.н. от обща дисперсия в данните, съответно). Йерархичното групиране на функциите на CBC предполага, че първите два PC резултата могат да бъдат предимно свързани с броя на червените и белите кръвни клетки, както е показано съответно на Фиг. 1а.

Само първият PC резултат, z0, демонстрира осезаема корелация с хронологичната възраст (съответните корелационни коефициенти на Pearson бяха r=0.59 (p < 10−5) и r=0 .08 (p=0.003) за първите два PC резултата, съответно (Фиг. 1b) Дисперсията на PC резултатите се увеличава с възрастта (вижте вмъкването на Фиг. 1b), което е подпис на стохастичен процес.

Стареене и критична динамика на състоянието на организма (обобщение на теоретичните резултати)

Асоциацията на колебанията по доминиращия PC с най-бавния динамичен процес (стареене, в нашия случай) има дълбоки корени в теорията на динамичните системи и критичните явления14. Преходът от стабилност към нестабилност в мрежи с мрежови графики, които не притежават специфични симетрии, обикновено се свързва с бифуркации на кодименсия 1 (или седловиден възел) 20, 21. Такива преходи се характеризират със загуба на стабилност по една посока в пространството на вектора на състоянието, приблизително съвпадаща с първия главен компонент. Обратно, приносът на всички други основни компоненти остава стабилен (и следователно независим от възрастта). Съответно, за достатъчно дълги времеви мащаби, колебанията на физиологичните индекси (като характеристики на CBC), xi, се очаква да следват динамиката на параметъра на поръчката, z, свързан с нестабилността: xi ≈ biz плюс ξi. Тук ξi е шум, bi е вектор и целочисленият индекс I изброява измерените характеристики.

В близост до критичната точка динамиката на физиологичното състояние е бавна и приблизително линейна. Следователно променливата z удовлетворява стохастичното уравнение на Ланжевен с пренебрегнатите времеви производни от по-висок ред:

Тук линейният член, z, от дясната страна на уравнението представлява ефекта от твърдостта на регулаторната мрежа, управляваща реакциите на организма към малки натоварвания и предизвикваща леки отклонения на състоянието на организма от неговата най-стабилна позиция. Следващият термин, gz2, представлява ефектите на нелинейно свързване от най-нисък порядък на регулаторните взаимодействия.

Стохастичните сили f представляват външни напрежения и ефектите на ендогенни фактори, които не са описани от ефективното уравнение. (1). Естествено, приемаме, че случайните смущения на състоянието на организма са серийно некорелирани, така че ðtÞf ðt0 Þi ~ Bδðt0 tÞ, където B е мощността на шума, δ е делта-функцията на Дирак , а 〈…〉 означава осредняване по траекторията на стареене. Ек. (1) е математическа зависимост между скоростта на промяна на променливата на състоянието на организма, z_=dz=dt, от лявата страна на уравнението, и ефектите на детерминистичните ( z, gz2 ) и стохастични сили (f), от дясната страна.

В зависимост от знака на коефициента на коравина, състоянието на организма може да бъде динамично стабилно (ако < {{0}}) или нестабилно (ако > 0). В последния случай незначителните отклонения в състоянието на организма се усилват експоненциално с течение на времето, така че не е възможно равновесие. В този случай решението на уравнение (1) описва стареещ организъм. Обикновено е малък и следователно еволюцията на физиологичните индекси показва отличителни белези на критичност: динамиката на параметъра на поръчката е бавна (критично забавяне), докато флуктуациите на физиологичното състояние, следващи вариациите в z, са големи, z2 ~ B expð2 tÞ=2 ≫1 (критични флуктуации).

Много рано в живота отклоненията от критичната точка са малки и еволюцията на състоянието на организма е доминирана от дифузия. По-късно в живота линейният термин поема, така че отклоненията от състоянието на младостта се ускоряват експоненциално:

където z ~ ðB{{0}} Þ 1=2 и z0 са константи, представляващи натрупаните ранни ефекти съответно на случайни и детерминистични сили.

И накрая, след като параметърът на поръчката е достатъчно голям, z ≳ Z=/g, нелинейните членове поемат връх, разпадането на състоянието на организма протича със скорост, по-голяма от експоненциалната, и животното умира в краен период време. Ек. (1) може да бъде решен, за да се получи простият аналитичен израз за частта от животни, оцелели до възраст t: SðtÞ ≈ ErfðZ=z expð tÞÞ, където Erf(x) е функцията на грешката18. Теоретичната функция за оцеляване е различна от тази на закона за смъртността на Gompertz, предполагащ експоненциално ускорение на смъртността във всички възрасти.

Смъртността от всякаква причина в модела, MðtÞ =  _ SðtÞ=SðtÞ, нараства бързо в началото в доминирания от дифузия режим и след това се забавя с възрастта, приблизително съвпадаща със средната продължителност на живота t {{4 }} logðZ=zÞ. При най-възрастните животни несъгласието със закона за смъртността на Gompertz е най-силно: смъртността в модела се забавя и достига платото при Mðt ≫ tÞ ≈ .

И накрая, наблюдаваме, че примерната ковариационна матрица на променливите на състоянието на организма в нестабилния режим е доминирана от динамиката на параметъра на поръчката:

където 〈…〉 означава средна стойност на извадката. В границата на слабата нелинейност, t ≫ 1, PCA на такъв сигнал би разкрил вектора на натоварване, съответстващ на първия PC резултат, съвпадащ с bi. Първият PC резултат z0=(b, x) тогава е приближението на самия параметър на поръчката z ≈ z0.

Дескриптори на стареене при дълбоко обучение от надлъжни данни

Стареенето при критичност може да бъде полезна теоретична концепция. Той обаче не предоставя практически алгоритъм за идентифициране на параметъра на поръчката, освен приблизително приложение на PCA. За да характеризираме процеса на стареене от измерванията, анализирахме надлъжните траектории на стареене на CBC измервания от 6693 проби в девет MPD набора от данни (вижте Методи и допълнителни данни 1) с помощта на изкуствена невронна мрежа. Алгоритъмът включваше комбинация от дълбок автоматичен енкодер (AE) за намаляване на размерността и прост AR модел за напасване на мрежовите представяния на последващите измервания върху решенията на уравнение. (1) (AE–AR; вижте Методи).

Решението на AR проблема, z, е резултатът от алгоритъма и е най-подходящата оценка на параметъра на поръчката, свързан с разпадането на състоянието на организма и следователно стареенето от наличните данни. По-долу установяваме асоциациите на z с отличителни белези на стареене, слабост и смъртност. Съответно избрахме да се позовем на dFI. z като dFI.

Ефективността на AR модела беше демонстрирана чрез начертаване на автокорелационното свойство на dFI, което е корелацията между стойностите на dFI, измерени по протежение на траекториите на стареене на едни и същи мишки във възрастови точки, разделени от 14 и 28 седмици в тестовия набор от данни MA{{8 }}072 (фиг. 2). Съответните коефициенти на корелация на Pearson между съответните коригирани за възрастта dFI оценки бяха r=0.71 (p < 0.{{20}}01) и r=0 0,70 (р <0,001). Автоматичните корелации на dFI бяха по-добри от автокорелациите на първия PC резултат z0 за същите мишки, вижте допълнителна фигура 2; съответните корелационни стойности на Pearson бяха r=0.55 (p <0.001) и r=0.71 (p <0.001) за 14- и 28-седмичен лаг, съответно .

Полуколичествено йерархично групиране на ковариациите на характеристиките на CBC в набора от тестови данни създаде корелации между характеристиките, свързани с имунната система (брой бели кръвни клетки и свързаните с тях количества), метаболитна скорост/консумация на кислород (брой червени кръвни клетки и концентрации на хемоглобин ), и независима подсистема, образувана от тромбоцити (допълнителна фигура 6).

dFI се увеличава с възрастта на животните както в теста, така и в комплектите за обучение (фиг. 3 и допълнителна фигура 3, съответно). Както се очаква от качественото решение на ур. (1), dFI се увеличава до възрастта, съответстваща на средната продължителност на живота на животните (~ 100 седмици в нашия случай). Извършихме експоненциално напасване под формата на уравнение. (2) върху данните от наборите от тестови данни (с изключение на животни, които са живели по-дълго от средната продължителност на живота на щама и животни в края на живота си от набора от данни MA0073). Изчислението върна показател на растеж на dFI от=0.02 на седмица.

Наситеността на dFI над средната продължителност на живота в наборите от данни за обучение и тестове разкри ограничаваща стойност, която е несъвместима с оцеляването на животните. За да подчертаем тази възможност, начертахме диапазоните на dFI от отделна кохорта от "нездрави" мишки от експеримента MA0073, представляващи животните, планирани за евтаназия съгласно лабораторните изисквания (фиг. 3, червени звезди).

Характерът на ускоряването на dFI с възрастта и скоростта на удвояване на dFI, съответстваща на скоростта на ускоряване на смъртността (равна на 0.037 на седмица22) са добри индикатори за връзката между dFI и смъртността. Наблюдението може да бъде допълнително подкрепено чрез изчисляване на ранговата корелация на Spearman между dFI „ускорението“ (т.е. разликата между dFI на животно и неговата средна стойност в съответните съвпадащи по възраст и пол кохорти) и реда на смъртта събития сред животни от същата възраст и пол (виж Таблица 1). Получихме значителни корелации между dFI и оставащия живот за всички кохорти.

Като еталон ние също създадохме контролиран модел на пропорционалните опасности (PH) на Кокс, прогнозиращ оцеляването на животните в същите данни. Трябва да се отбележи, че коригираният според възрастта и пола dFI прогнозира оставащата продължителност на живота еднакво добре или малко по-добре от предиктора на коефициента на логаритмичен риск от контролирания модел, обучен в същите данни (вж. редовете, съответстващи на „dFI“ и „HRCBC“ в таблицата 1).

DFI прогнозира оставащата продължителност на живота по-късно в живота по-добре от телесното тегло (BW) или серумното ниво на инсулиноподобен растежен фактор 1 (IGF1). По-рано беше показано, че и двата фактора са свързани със смъртността в реф. 23 и 24. Както е посочено в реф. 24 и проверена тук, концентрацията на IGF1 в серума е значително свързана с продължителността на живота (r=− 0.28, p=0.008) само в една кохорта от по-млади, {{ 12}}седмични мъжки мишки. Според изх. 23 и нашите изчисления, BW е по-добре свързано със смъртността при най-младите животни (възраст 26 и 52 седмици).

Забавяне на смъртността в края на живота и ограничаване на смъртността

Броят на животните със записана продължителност на живота в MPD беше недостатъчен, за да се разберат отклоненията на смъртността от закона за смъртността на Gompertz, както е предвидено от модела на стареене при критичност в най-напредналите възрасти. За щастие, може да се извърши количествен анализ на смъртността в края на живота, като се използват данните от нетретираните контроли в голям експеримент, включващ хиляди мишки25. Напасването на смъртността по Gompertz дава следните оценки за продължителността на живота, t, експонентата на Gompertz, и началната смъртност, M0 отделно за мъже: t=100:3 седмици,=0. 0385 ± 0.0002 на седмица, M0=(4,1 ± 0,1)⋅ 10−4 на седмица; и за жени: t=115:8 седмици,=0.0568 ± 0,0003 на седмица, M0=(3,4 ± 0,1)⋅ 10−5 на седмица.

Късно в живота и при двата пола емпиричните криви на оцеляване падат по-бавно от прогнозите от закона за смъртността на Gompertz (вижте плътните сини и оранжевите пунктирани линии съответно на Фиг. 4а и Допълнителна Фигура 4а). Това е знак за забавяне на смъртността. Сините линии на фигура 4b и допълнителна фигура 4b са емпиричните криви на смъртност. Сивите пунктирани линии съответстват на теоретичното очакване за нивото на смъртност на платото, съответстващо на теоретичната ограничаваща смъртност Mðt ≫ tÞ =, където е степента на удвояване на смъртността от съответствието на Gompertz.

Изравняването на смъртността е по-добре изразено в женските кохорти (фиг. 4) и е в съответствие с теоретичната прогноза за смъртността на платото в края на живота в нашия модел. В мъжките кохорти животните умират преди достигане на платото (допълнителна фигура 4), вероятно поради повишената фонова смъртност по-рано в живота между 40-та и 100-та седмица. Въпреки това, максималната наблюдавана смъртност все още не е много далеч от (и определено е от същия порядък като) прогнозираната ограничаваща стойност дори в мъжките кохорти.

dFI и отличителните белези на стареенето

За по-нататъшно утвърждаване на dFI като биомаркер на стареенето, ние проучихме връзката му с PFI, количествена мярка за стареене и слабост, предложена наскоро в реф. 3. Установено е, че dFI и PFI са силно свързани (r на Pearson=0.64, p < 0.001), Фиг. 5a. PFI е съставен резултат за слабост и също така зависи от мерките за CBC за определянето му. Въпреки това, изчисляването на PFI включва повече фактори, включително традиционни мерки за слабост при животни и хора, като сила на захващане, сърдечно-съдово здраве, маркери за възпаление и т.н. Забележително е, че корелацията между PFI и dFI остава значителна след корекция за пол и възраст ( Допълнителна фигура 5, r на Pearson=0.59, p <0.001).

Както е илюстрирано на Фиг. 5b и Допълнителна Фигура 6, 7, ние наблюдавахме, че dFI е значително свързан с разширен набор от характеристики на CBC в независими функционални подсистеми (най-вече, но не само, миелоидна клетъчна линия). Корелацията между dFI и характеристиките на миелоидните клетки беше по-малко дълбока в набора за обучение, включващ множество щамове (допълнителна фигура 7). Коефициентът на корелация е мярка за реакцията на dFI към индивидуалните вариации на характеристиките на CBC и е различен (понякога дори с противоположен знак) в различни щамове на мишки (допълнителна фигура 8). Вариацията на асоциациите на индивидуалните характеристики и dFI би била значително предизвикателство за всеки линеен модел и е демонстрация на нелинейния характер на AE.

dFI е силно свързан с ширината на разпределение на червените кръвни клетки (RDW) и BW (Фиг. 5b), известни предиктори за слабост както при мишки 26, така и при хора 27. dFI също беше силно свързан с нивата на С-реактивен протеин (CRP, r=0.39, p < 0.001) и мишия хемокин CXCL1 (KC, r {{ 9}}.28, p <0,001), и двата са известни маркери за системно възпаление и смъртност28,29.

Стареенето е свързано с нарастващо бреме от стареещи клетки30–32, широко считани за източник на хронично стерилно системно възпаление, „възпалително“ 33. Стареещите клетки (SC) обикновено се откриват in vivo като популация от p16/Ink4a-положителни клетки, натрупани с възраст, разпозната от активността на репортерите, управлявани от промотор p16/Ink4a34. Ние използвахме хомозиготни p16/Ink4a репортерни мишки с един p16/Ink4a алел, вкаран с луцифераза на светулка cDNA35. Фигура 6а показва корелацията между възрастта на животното и наличието на стареещи клетки, измерена чрез потока от луциферазна активност, управлявана от промотор p16/Ink4a (r=0.54, p=0.008).

Корелацията на този SC прокси (общ луциферазен поток) с dFI беше дори по-силна (r {{0}}.69, p <0.001; Фиг. 6b). Наблюдението се вписва добре в нашата теоретична прогноза: кинетичното уравнение за параметъра на реда (dFI) е автономно (неговите коефициенти не зависят от времето). Това означава, че променливите на състоянието на организма, включително мерките за натоварване на стареещите клетки, може да не зависят изрично от възрастта, така че възрастовата зависимост може да дойде само чрез зависимостта от dFI.

dFI реагира на интервенции за модулиране на продължителността на живота

За да оценим полезността на dFI за анализа на ефектите от интервенциите върху стареенето, ние ретроспективно оценихме dFI и връзката му с оставащия живот в отговор на диета с високо съдържание на мазнини (HFD), използвайки данните от по-ранния експеримент3. Мъжките мишки са хранени с HFD вместо с редовна диета (RD), започвайки на 50-седмична възраст, имат значително намалена продължителност на живота (допълнителна фигура 9а) и също така показват значително увеличение на средния dFI, измерен на седмица 78 (p=0). 05, двустранен t-тест на Стюдънт; Фиг. 6c) в сравнение с контролни мъже, хранени с RD. Обратно, храненето с HFD на женски мишки не повлиява нито продължителността на живота, нито средния dFI (допълнителна фигура 9b и фигура 6d). По този начин dFI изглежда е добър предиктор на зависими от пола разлики в организма спрямо HFD, основните причини за които остават да бъдат обяснени.

Нашите изчисления показаха, че ускоряването на стареенето, уловено от dFI, се съгласува с докладваното по-рано увеличение на PFI (p=0.02 според t-теста на Student) при мъжки и без ефект при женски мишки на седмица 78 в същото експеримент. Това е забележително твърдение по отношение на чувствителността на dFI, тъй като PFI е разработен (обучен) в експеримента MA0071 и използва повече (18 срещу 12) променливи, отколкото просто CBC за неговото определяне. Напротив, ние не използвахме никакви данни от наборите от данни MA0071-73, за да обучим dFI модела. Фигура 6c, d демонстрира производителност на dFI спрямо независимо разработения PFI във външен набор от данни.

В друг експеримент тествахме отговора на dFI на кратко лечение с установено средство за удължаване на живота, рапамицин 36, 37. Тук представяме резултатите от експеримент с кохорта от мъжки мишки C57BL/6 на възраст 60 60- седмица. 48 животни (групата за лечение) са третирани с рапамицин дневно в доза от 12 mg/kg в продължение на 8 седмици. Другите 12 животни (контролната група) получиха носителя по същия график.

BW се измерват всяка седмица и се увеличават, както се очаква в контролната група (фиг. 6e). Обратно, BW в групата, лекувана с рапамицин, остава приблизително постоянна близо до първоначалната стойност през целия период на наблюдение от 10 седмици. По-ниска телесна маса е типична за третирани с рапамицин мишки в сравнение с контролната група 3,38. За да генерираме стойности на dFI за мишките в този експеримент, ние събрахме и произведохме CBC от кръвни проби от всяко животно на всеки две седмици (фиг. 6f).

Надлъжният характер на вземане на проби в експеримента ни позволява да използваме авторегресионния анализ, за ​​да открием възможните ефекти на лекарството върху динамиката на dFI и следователно стареенето. Всеки път, когато в уравнението присъства неслучайна сила (това е ефектът на лекарството). (1), скокът в dFI между всяко от последователните измервания от едно и също животно трябва да отговаря на модифицираното уравнение. (7):

където J е натрупаният ефект на лекарството по траекторията на стареене между измерванията. Времевите интервали обикновено са много малки, Δt ≪ 1, и следователно коефициентът на авторегресия r ≈ 1. Следователно очаквахме да идентифицираме ефекта на рапамицин чрез сравняване на разпределенията на увеличенията на dFI, ΔdFI=z(t плюс Δt) − z(t), при животни, получаващи или не лечение между измерванията както в третираните, така и в контролните групи (вижте Методи за подробности относно статистическия анализ). Статистическият анализ на увеличенията на dFI демонстрира значително забавяне на стареенето, свързано с лечението с рапамицин (фиг. 6g, p=0.05, двустранен тест на Student).

Дискусия

Въведохме нов начин за разкриване на биомаркери за възраст и слабост от големи биомедицински данни, включващи надлъжни измервания, т.е. множество проби от едни и същи животни, събрани по траекториите на стареене. Подходът принадлежи към класа алгоритми за неконтролирано обучение, така че не изисква етикети, свързани с възрастта, смъртността и заболеваемостта. Може да се илюстрира с откриването и характеризирането на биомаркер за стареене при мишки, dFI, от конвенционални и автоматизирани измервания на CBC и обучен от данните от MPD.

Стареенето е много бавен процес, който протича в характерни времеви мащаби, далеч надхвърлящи времената, свързани с молекулярните процеси или операциите на функционалните подсистеми на организма. Обикновено такава йерархия от скали възниква от критичността, която е специален случай на динамична система, работеща близо до повратна точка, разделяща стабилния и нестабилния регион15–17,39. В опр. 18, ние предложихме, че стареенето е резултат от присъщата динамична нестабилност на основните регулаторни мрежи и се проявява като малки отклонения на променливите на състоянието на организма (физиологични индекси) се усилват експоненциално и водят до експоненциално ускоряване на смъртността. След това първият основен компонентен резултат е приближение към параметъра на поръчката, характеризиращ нестабилната фаза и имащ значението на общия брой регулаторни грешки, натрупани в хода на живота на животното17. Следователно, ние вярваме, че предположението за стареене при критичност дава добро обяснение за успеха на Анализа на основните компоненти (PCA) като полуколичествен инструмент в изследванията на стареенето 40–42.

Идеята за параметъра на реда, свързан с нестабилността, е обобщение на концепция, въведена първоначално в теорията на Гинзбург-Ландау за описание на фазовите преходи в термодинамиката. Идеята беше доразвита за приложения за отваряне на неравновесни системи под формата на "поробващия принцип" 13, който гласи, че до критичната точка динамиката на бързо релаксиращите (стабилни) компоненти на една система се определя напълно от „бавната“ динамика само на няколко „параметъра на поръчката“. Тогава dFI, идентифициран като приближение към параметъра на поръчката, не е просто инструмент за машинно обучение, разработен за специфични прогнози, а по-скоро фундаментално макроскопично свойство на стареещия организъм като неравновесна система.

Въпреки това, възможностите на техниките за редуциране на линейния ранг, като PCA, за разкриване на точно динамично описание на стареенето са ограничени поради следните причини. Първо, няма причини да се смята, че ефектите от нелинейните взаимодействия между различни динамични подсистеми са малки. Ето защо не може да се очаква биомаркер, произведен от такъв линеен анализ, да се представя добре в различни биологични контексти (щамове, лабораторни условия или терапевтични интервенции като лекарства). Второ, биологичните измервания често са шумни. Следователно простите техники, на които липсва ефективна регулация, може да не успеят да реконструират правилно пространството на латентните променливи, освен ако не се получи прекалено голям брой проби43. И накрая, свързването на първия основен компонент с параметъра на поръчката е само приблизително изявление. По същество няма начин да се идентифицира динамиката на системата от данните, които не включват самата динамика в множество измервания на един и същи организъм по траекторията на стареене.

За да компенсираме недостатъците на PCA и да демонстрираме ефективен начин за създаване на точна апроксимация на dFI от данните, ние използвахме изкуствена невронна мрежа, комбинация от AE с дълбоко премахване на шума и AR модел. AE частта на алгоритъма е нелинейно обобщение на PCA и се използва за компресиране на корелираните и задължително шумни биологични измервания в компактен набор от латентни променливи, нискоразмерно представяне на състоянието на организма. AR ръката на мрежата не е нищо друго освен най-добрата възможна прогноза за бъдещото състояние на същото животно от текущите измервания. Решението на проблема с AR, предоставено от мрежата, е оценката за параметъра на поръчката от дадените данни, индикаторът за динамична нестабилност (dFI).

Архитектурата на мрежата, приложена тук, е вдъхновена от архитектури за намаляване на дълбок ранг, наскоро използвани за характеризиране на числени решения на големи нелинейни динамични системи 44, 45. В по-широк смисъл, ние докладваме разработването и характеризирането на напълно интерпретируем (базиран на модел) алгоритъм, конкретен пример за идентифициране на уравненията на движение на основната динамична система от данни с помощта на задълбочено обучение46,47. По стандарта на физическите науки стареенето при мишки се оказва „точно разрешимо“. Ние демонстрирахме аналитично проследим модел, свързващ динамиката на физиологичното състояние и оцеляването по всякаква причина с еволюцията на едно зависимо от възрастта количество, параметъра на реда на нестабилната фаза и следващ просто стохастично диференциално уравнение от първи ред.

Дълбоките корелации между характеристиките на CBC и dFI могат да отразяват ключова роля в стареенето на хемопоетичната тъкан при определяне на стареенето на целия организъм. Тази концепция е интуитивно приемлива предвид универсалната системна физиологична функция на кръвта. Като алтернативно обяснение, зависимите от възрастта промени в кръвните параметри могат да бъдат вторични събития, предизвикани от стареенето на останалата част от организма (т.е. различни твърди тъкани). Натрупаните експериментални доказателства обаче говорят против това. Множество доклади демонстрират "подмладяващите" ефекти на младата хематопоетична система върху стари животни, доставени или чрез трансплантация на костен мозък, или чрез парабиоза (прегледано в реф. 48). Освен това, възстановяването на хематопоезата на мишка чрез трансплантация на хематопоетични стволови клетки (HSCs) от млади срещу стари донори демонстрира, че възрастните HSCs не могат да бъдат подмладени от средата на младо тяло49. Също така, тълкуването на възрастовата зависимост на получените от HSC характеристики като вторични ефекти от стареенето би се сблъскало с формални трудности, тъй като динамиката на такива фактори трябва да показва по-кратки, всъщност поне два пъти по-кратки времена на удвояване от dFI и времето на удвояване на смъртността.

Особен резултат от нашия анализ е, че нашите данни силно сочат към миелоидната линия, която осигурява много по-точни предиктори на биологичната възраст, отколкото параметрите на лимфоидната линия. Това е противоречащо на интуицията, тъй като обикновено се приема, че остаряването се свързва с добре документирания общ спад на имунитета, известен като имуносеценция50, феноменът, илюстриран от намалената ефективност на ваксинацията51 и повишената честота и смъртност от инфекциозни заболявания и рак при по-стари организми52. Въпреки това има силни експериментални доказателства, които подкрепят и предоставят механистично обяснение за нашето откритие, че миелоидните параметри тежат по-тежко от лимфоидните като показатели за биологична възраст. В цялостно проучване на епигенетичните механизми на стареенето на HSC, Beerman et al.49 описват зависимо от възрастта епигенетично препрограмиране, което води до значителна промяна към диференциация на миелоидната линия на потомството на остарели HSCs49,53. Тази промяна се задвижва от специфични промени в метилирането на ДНК на HSCs, които възникват по време на стареенето на мишката. Изненадващо, тези промени в метилирането, които променят генната експресия, не се появяват в частта от генома, която контролира HSC фенотипа, а по-скоро модифицират ДНК региони, кодиращи гени, които контролират етапите на диференциация надолу по веригата. Забележително е, че моделът на промени в ДНК метилирането, свързани със стареенето на HSCs, изглежда представлява същия процес, който преди беше описан като часовник, базиран на ДНК метилиране 1, 49, и следователно може да бъде част от същия епигенетично контролиран основен механизъм на стареене. Друг фактор, който би могъл да намали влиянието на параметрите, свързани с лимфоидната линия, като маркери за биологична възраст, е реактивната природа на този клон на хематопоезата, който служи за бърз отговор на спорадични събития като вирусна или бактериална инфекция, нараняване и други видове стрес, изискващи спешна реакция обикновено под формата на остро възпаление. Тъй като времето на възникване на такива събития е непредсказуемо, промените, свързани с възрастта, могат да бъдат маскирани от шума, идващ от широкомащабни несвързани с възрастта флуктуации в лимфоидното отделение.

Тези наблюдения не означават, че кръвта е единствената детерминанта на стареенето (в противен случай биологичната възраст ще бъде 100 процента определена от възрастта на HSC), но поне я поставят сред основните двигатели на процеса и обясняват успеха ни в надеждно определяне на биологичната възраст от данни от кръвен тест. Стареенето в нашия модел се появява съвместно, така че въпреки появата на „часовник за стареене“ под формата на параметъра на поръчката или неговата оценка от данните, dFI, няма специфична подсистема за проследяване на времето (или възрастта) в животно.

Динамиката на състоянието на организма се описва с автономно уравнение. (1), където нито един от коефициентите на модела не зависи изрично от времето. Съответно, нито една променлива на физиологичното състояние не може да зависи изрично от възрастта на животните, само имплицитно чрез зависимост от колективната променлива, dFI. Ето защо наблюдавахме корелациите между dFI, от една страна, и множество мерки за стареене и слабост, известни като отличителни белези на стареенето54, от друга. Те включват сила на захващане, BW, RDW и маркери за възпаление като CRP и KC (IL-8). dFI също корелира добре с p16-луциферазния поток, заместител на броя на стареещите клетки при възрастни мишки. Обратно, ние прогнозираме, че лечението против стареене, променящо dFI, трябва значително да облекчи други отличителни белези на стареенето в същото време. Това свойство не е необичайно сред интервенциите с потенциално удължаващи живота ефекти55.

Освен това нестабилността на състоянието на организма означава, че животните не могат да се отпуснат до каквото и да е равновесие дори след кратко смущение (официално това свойство се проявява като силни автокорелации на dFI за продължителни периоди). Следователно ефектите от краткото лечение вероятно ще продължат до края на живота. Съответно, ефектите от такива преходни лечения биха могли по принцип да бъдат открити в кратки експерименти, включващи надлъжни измервания на dFI за малко повече от няколко седмици. Въпреки че размерът на ефекта и съотношението сигнал/шум в експеримента за лечение с рапамицин с къса перспектива не са много големи, забавянето на стареенето, наблюдавано в тази работа, е съвместимо с по-рано докладваните доживотни про-дълголетни ефекти на преходни лечения с рапамицин37.

Общите биомаркери на стареенето разчитат на индивидуални или комбинирани мерки за отклонението на организма от неговото младо състояние. Забележителни примери са форми на индекса на слабост (FI), дефиниран като съотношението на натрупаните дефицити във всеки наличен сигнал 8, 9 или по-специално в данните от кръвни изследвания 9–11, 56, 57. Тъй като не очакваме никаква зависимост на променливите на физиологичното състояние от възрастта, различна от зависимостта от параметъра на поръчката, трябва да има добро съответствие между съставните маркери на стареенето и dFI. Наистина, наблюдавахме много висока степен на съответствие между dFI и PFI от реф. 3, което е пример за разстоянието на Mahalanobis от стари до млади състояния7 и се извлича от широк набор от характеристики, включително CBC, физическа годност, сърдечно-съдово здраве и биохимия.

От всички такива мерки само dFI идва с установено уравнение на движение (1) и следователно има най-доброто свойство на автокорелация по индивидуалните траектории на стареене (вижте напр. автокорелацията на dFI и първия PC на фиг. 2 и допълнителна фигура 2, съответно). Свойството е удобно за определяне на ефектите от лекарства или други интервенции върху стареенето в експерименти, включващи сравнения на състоянието на организма на едни и същи животни преди и по време на лечението.

【За повече информация: david.deng@wecistanche.com / WhatApp:86 13632399501】