De reductie van veroudering tot de dynamiek van een enkele variabele maakt het kwantitatieve model van veroudering in de vorm van de stochastische Vgl. (1) van ref. 18 en deze studie onderscheidt zich van eerdere voorstellen om sterfte af te leiden uit de dynamiek van een fysiologische toestand58,59. Dergelijke modellen zijn wiskundige metaforen van willekeurige wandelingen in zeer hoogdimensionale ruimtes en kunnen daarom zonder aanvullende aannames moeilijk te interpreteren of af te leiden zijn uit biologische signalen. Wij zijn van mening dat kriticiteit een nuttige theoretische observatie is en dat diep leren een geweldig praktisch hulpmiddel is, dat samen kan worden gebruikt om het identificeren van de modelparameters en hun relaties met organisme-eigenschappen te vereenvoudigen. We merken op dat de uitleg van de Gompertz-wet van sterfelijkheid onvoldoende bewijs is voor een verouderingstheorie. Het afstemmen van de stochastische longitudinale dynamiek van fysiologische indices op een modelvoorspelling is een veel grotere uitdaging en zou moeten worden gebruikt als een effectief hulpmiddel voor modelvalidatie.

Glycoside van cistanche kan ook de activiteit van SOD in hart- en leverweefsels verhogen en het gehalte aan lipofuscine en MDA in elk weefsel aanzienlijk verminderen, waardoor verschillende reactieve zuurstofradicalen (OH-, H₂O₂, enz.) door OH-radicalen. Cistanche-fenylethanoïdeglycosiden hebben een sterk wegvangend vermogen van vrije radicalen, een hoger reducerend vermogen dan vitamine C, verbeteren de activiteit van SOD in spermasuspensie, verminderen het gehalte aan MDA en hebben een zeker beschermend effect op de functie van het spermamembraan. Cistanche-polysacchariden kunnen de activiteit van SOD en GSH-Px in erytrocyten en longweefsels van experimenteel senescente muizen veroorzaakt door D-galactose verbeteren, evenals het gehalte aan MDA en collageen in long en plasma verminderen en het gehalte aan elastine verhogen, hebben een goed wegvangend effect op DPPH, verlengt de tijd van hypoxie bij senescente muizen, verbetert de activiteit van SOD in serum en vertraagt ​​de fysiologische degeneratie van de longen bij experimenteel senescente muizen Met cellulaire morfologische degeneratie hebben experimenten aangetoond dat Cistanche het goede antioxiderende vermogen heeft en heeft het potentieel om een ​​medicijn te zijn om huidverouderingsziekten te voorkomen en te behandelen. Tegelijkertijd heeft echinacoside in Cistanche een aanzienlijk vermogen om DPPH-vrije radicalen op te vangen en heeft het het vermogen om reactieve zuurstofsoorten op te vangen en door vrije radicalen veroorzaakte collageenafbraak te voorkomen, en heeft het ook een goed herstellend effect op schade door anionen door vrije radicalen van thymine.

Klik op Cistanche Powder Bulk

【Voor meer info: david.deng@wecistanche.com / WhatApp:86 13632399501】

dFI nam exponentieel toe met de leeftijd met een karakteristiek verdubbelingspercentage van {{0}}.02 per week. Deze schatting is iets kleiner dan (maar nog steeds van dezelfde orde van grootte als) de verwachte Gompertz-sterfteversnelling van 0,037 per week22 voor de SWR/J-stam. Gezien de waargenomen dFI-verdubbelingssnelheden bij muizen, domineren t ~ 3 en dus de deterministische fenotypische veranderingen de willekeurige effecten met een factor 3 (zie vergelijking (2) en figuur 3).

Interessanter is dat in de transversale dataset de dFI verzadigd raakte bij een grenswaarde, die wordt bereikt op de leeftijd die overeenkomt met de gemiddelde levensduur in de groep. We hebben echter vastgesteld dat het dFI-plafond overeenkomt met de dFI-niveaus in cohorten dieren die zijn ingepland voor euthanasie vanwege overmatige morbiditeit volgens de huidige laboratoriumprotocollen, wat zo dicht bij de dood door natuurlijke oorzaken ligt als dieren in een modern laboratorium.

Beide kenmerken van de verouderingstrajecten in MPD zijn compatibel met de analytische oplossingen van Vgl. (1) voor de dynamiek van de orderparameter. In ref. 18 legden we uit dat dFI vroeg in het leven exponentieel toeneemt (zie vergelijking (2)). Op de leeftijd die ongeveer overeenkomt met de gemiddelde levensduur van de bevolking, nemen niet-lineaire effecten de dynamiek van dFI over en wijkt de toestand van het organisme zelfs sneller dan exponentieel af van zijn jeugdige toestand. Een dergelijke situatie is onverenigbaar met overleving en kan daarom niet in de gegevens worden waargenomen. In ons model en het experiment treedt de dood snel in zodra het maximale dFI-niveau op een bepaald moment in de levensgeschiedenis van het dier is bereikt.

De stochastische Vgl. (1) stelt de "bewegingswet" vast voor de fysiologische toestand van het organisme en voorspelt de vertraging van de mortaliteit op latere leeftijd in de vorm van verzadiging van de mortaliteit op plateauniveau, Mðt ≫ tÞ ≈ . De voorspelde relatie tussen de beperkende sterfte en de verdubbelingstijd van het sterftecijfer bij verschillende soorten60 en experimenten onder meerdere omstandigheden bij dezelfde soort, zoals nematoden42. Hier rapporteren we de validatie van de beperkende mortaliteitsvoorspelling in zeer grote cohorten muizen uit ref. 25.

De goede semi-kwantitatieve overeenkomst tussen de empirische mortaliteitscurven in grote experimenten en de theoretische voorspelling biedt een onafhankelijke en gevoelige test van het verouderingsmodel op kritieke waarde als een theoretisch raamwerk dat hier wordt voorgesteld voor de gegevensanalyse in experimenten met ouder wordende dieren. Meer specifiek valideert de experimentele bevestiging voor de voorspelling van de vertraging van de mortaliteit op latere leeftijd de stochastische basisvergelijking. (1) en de associatie tussen de oplossing ervan in de vorm van dFI en sterfte door alle oorzaken. We merken ook op dat de sterftevertraging in het model voortkomt uit de stochastische aard van de dynamiek van de ordeparameter en zelfs in een cohort van genetisch identieke dieren moet worden verwacht (zie de bespreking in ref. 61).

Afwijkingen van de wet van Gompertz in menselijke cohorten komen ook voor, maar op leeftijden die de gemiddelde levensduur overschrijden wanneer de sterfte al ver boven de theoretische grens ligt die overeenkomt met de verdubbeling van het sterftecijfer met bijna een orde van grootte60. Dit betekent dat het karakter van de toestandsdynamiek van het organisme tijdens het ouder worden van de mens kwalitatief anders is dan dat bij muizen of nematoden. In ref. 5, hebben we waargenomen dat de fluctuaties van fysiologische indices bij mensen ook worden gedomineerd door een collectieve variabele die wordt gekenmerkt door een relatief lange maar eindige autocorrelatietijd (binnen een bereik van enkele weken) en geassocieerd is met leeftijd en sterfte door alle oorzaken. Het aantal individuen dat tekenen van verlies van dynamische stabiliteit vertoonde (gemeten aan de hand van buitengewoon lange autocorrelatietijden) nam exponentieel toe met de leeftijd in een tempo dat overeenkwam met het sterfteverdubbelingspercentage van de sterftewet van Gompertz61.

De nauwe relatie tussen de autocorrelatie-eigenschappen van fysiologische toestandsvariabelen en kenmerken van veroudering suggereert dat AR-analyse, versterkt door diep leren, kan helpen bij het ontdekken van kenmerken van menselijke veroudering en chronische ziekteprogressie. Het voordeel kan met name enorm zijn in onderzoeken met grote reeksen longitudinale metingen, maar vaak ontbreekt het aan follow-up-informatie over mortaliteit en morbiditeit. Hoewel kenmerken van veroudering bij muizen gecorreleerd zijn en voornamelijk omkeerbaar zijn, is een groot deel van de fysiologische veranderingen die verband houden met veroudering bij mensen stochastisch en thermodynamisch onomkeerbaar62. Daarom verwachten we dat de systematische toepassing van de principes van de dynamische systeemtheorie op biomedische data-analyse zal helpen bij het identificeren van bruikbare verouderingsfenotypen en zo de ontdekking en ontwikkeling van anti-verouderingstherapieën die blijvende verjongende effecten produceren, zal vergemakkelijken.

methoden

Gegevenssets

De trainingsgegevensset is samengesteld uit de negen gegevensbronnen die beschikbaar zijn in de MPD19. Een lijst met de opgenomen bronnen wordt gepresenteerd in aanvullende gegevens 1 met verwijzingen naar de opgenomen en ontbrekende records gegroepeerd op geslacht en leeftijdscohorten. We gebruikten alleen de assays die de CBC-gegevens leverden, assays met andere biomarkers werden niet overwogen vanwege het onvoldoende aantal monsters. Ons model is getraind met de beste overlap van beschikbare CBC-functies uit alle bronnen. De definitieve lijst bevatte 12 CBC-kenmerken: differentieel granulocyten (GR procent), aantal granulocyten (GR), hemoglobine (HB), hematocriet (HCT procent), differentieel lymfocyten (LY procent), aantal lymfocyten (LY), gemiddeld corpusculair hemoglobinegehalte ( MCHC), gemiddelde hemoglobineconcentratie (MCH), gemiddeld corpusculair volume (MCV), aantal bloedplaatjes (PLT), aantal rode bloedcellen (RBC) en aantal witte bloedcellen (WBC). Zie aanvullende gegevens 2 voor de lijst met alle afkortingen. Als de gegevensbron geen granulocytmetingen had, werd deze opgehaald met behulp van formules:

Alle dieren met een of meer ontbrekende parameters werden uitgesloten van de training. Het percentage van de uitgesloten records was<2% and should not have affected the results.

Dieren

Alle dierexperimenten werden goedgekeurd door het Institutional Animal Care and Use Committee van het Roswell Park Cancer Institute of door het Explora BioLabs, Inc Animal Use Committee.

We ontvingen 4–5-weken oude NIH Swiss mannelijke en vrouwelijke muizen van Charles River Laboratories (Wilmington, MA). Ze mochten ouder worden in de dierenfaciliteit van het Roswell Park Comprehensive Cancer Center (RPCCC). Gedurende deze tijd werden muizen 1-3 per kooi gehuisvest en ad-lib gevoerd met standaardvoer (Tekland Global 18 procent Protein Rodent Diet). Bloedmonsters werden op verschillende leeftijden verkregen als onderdeel van het maken van de PFI3. Bloedmonsters werden verzameld van een enkele submandibulaire aderbloeding in met EDTA behandelde Vacutainer-buisjes (totaal volume van 20 µl) en gebruikt voor het tellen van volbloedcellen en glucosemetingen met behulp van Hemavet 950 Analyzer (Drew Scientific). Nog eens 75 µl bloed werd verzameld in met Li-Heparine behandelde plasmascheidingsbuizen; plasma werd gezuiverd door centrifugatie bij 5000 x g gedurende 5 minuten en gebruikt voor het meten van de concentratie van circulerende pro-inflammatoire cytokines en triglyceriden.

Dataset MA0071 is gebouwd in een dwarsdoorsnede-experiment met behulp van mannelijke en vrouwelijke NIH Swiss-muizen. Er werd bloed afgenomen van mannetjesmuizen op de leeftijd van 26 (n=20), 64 (n=18), 78 (n=17), 92 (n=14), en 132 (n=6) weken. Vrouwelijke leeftijdsgroepen werden vertegenwoordigd door de leeftijden van 30 (n=20), 56 (n=20), 68 (n=19), 82 (n=19), 95 (n=18), 108 (n=20) en 136 (n=7) weken. Dataset MA0072 werd verkregen uit een longitudinaal experiment. Bloedmonsters werden afgenomen op de leeftijd van 66 (n=27), 81 (n=22), 94 (n=21), 109 (n=16) en 130 (n=7) weken. Gegevensset MA0073 bevat bloedmonsters die zijn verzameld van 97 mannelijke en 127 vrouwelijke muizen van verschillende leeftijden toen dieren goedgekeurde experimentele eindpunten bereikten en humane euthanasie vereisten. Alle dierprocedures werden uitgevoerd volgens het goedgekeurde protocol van het Institutional Animal Care and Use Committee (IACUC). Muizen werden dagelijks gecontroleerd op de ontwikkeling van leeftijdsgerelateerde pathologieën. Telkens wanneer gezondheidsproblemen werden gemeld, namen onderzoeksmedewerkers contact op met dierenartsen en volgden hun aanbevelingen voor behandeling of euthanasie op. Muizen werden behandeld totdat de toestand was verbeterd of geëuthanaseerd toen het eindpunt voor elke in het protocol beschreven gezondheidstoestand was bereikt. Euthanasie werd uitgevoerd door CO2-verstikking gevolgd door cervicale dislocatie. Zie aanvullende gegevens 3 voor het totale aantal dieren in deze datasets.

p16/INK4a-LUC vrouwelijke muizen (p16-Luc) in de leeftijd van 44 tot 106 weken werden verkregen van het N. Sharpless laboratorium aan de Universiteit van North Carolina (Chapel Hill, NC). Alle dieren werden gehuisvest onder 12:12 licht: donkere omstandigheden (12 uur licht gevolgd door 12 uur duisternis) bij de Laboratory Animal Shared Resource bij RPCCC. Alle dierproeven werden goedgekeurd door de IACUC van het Roswell Park Cancer Institute. Bioluminescentiebeeldvorming werd uitgevoerd met behulp van een IVIS Spectrum-beeldvormingssysteem (Caliper LifeSciences, Inc, Waltham, MA). p16/Ink4a-Luc plus /- muizen werden intraperitoneaal geïnjecteerd met D-Luciferine (150 mg/kg, Gold Biotechnology), 3 minuten later verdoofd met isofluraan en afgebeeld met een 20-seconde integratietijd en medium binning. De beelden werden verwerkt en gekwantificeerd als de som van de fotonenflux die vanaf beide zijden van elke muis werd geregistreerd met behulp van Living Image-software (Perkin Elmer, Waltham, MA).

Voor het rapamycinebehandelingsexperiment werden 60-week oude C57BL/6J mannelijke muizen verkregen van Jackson Laboratories (VS). Het cohort van 60 60-weken oude mannelijke C57BL/6-muizen werd verdeeld in behandelings- (n=12) ​​en controlegroepen (n=48) met behulp van een gestratificeerde randomisatietechniek om ononderscheidbare distributies van dFI te produceren waarden voor het experiment. De bloedmonsters (totaal volume van 120 μl) werden verzameld in EDTA-buisjes via submandibulaire of gezichtsader met behulp van een lancet. Alle dierprocedures zijn goedgekeurd door de commissie voor dierengebruik van Explora BioLabs, Inc (IACUC SP17-004-035B) en zijn goedgekeurd door het beleid van Explora BioLabs, Inc met betrekking tot de verzorging, het welzijn en de behandeling van proefdieren. Rapamycin werd gekocht bij LC Laboratories (MA, VS). Rapamycine werd gedurende 8 weken dagelijks toegediend in een dosis van 12 mg/kg via orale sondevoeding. De controlegroep werd behandeld met drager (5 procent Tween-80, 5 procent PEG-400, 3 procent DMSO).

Dimensionaliteitsreductie met PCA

We hebben de PCA uitgevoerd met behulp van Python en Scikit-learn package63. Eerst hebben we PCA-transformatie toegepast op de volledige trainingsdataset. De belangrijkste componenten werden echter gedomineerd door het verschil in muizenstammen. We hebben stamverschillen verwijderd door gemiddelde waarden van CBC-kenmerken, berekend voor de vroegst beschikbare leeftijd voor de geselecteerde stam, af te trekken van waarden van CBC-kenmerken van alle dieren voor deze stam:

waarbij de indices i en j respectievelijk de CBC-kenmerken en stammen opsommen en de leeftijd van een dier is. Voor de eenvoud hebben we muizenstammen uitgefilterd, die niet in de Peters4-dataset waren gepresenteerd64.

Het grootste deel van de variantie in de gegevens die de volledige dataset vertegenwoordigen, hield verband met de groei en rijping van dieren. De eerste pc-score nam toe met de leeftijd van de dieren, met name na 25 weken (aanvullende figuur 1). Integendeel, de tweede en de derde pc-score krijgen gemiddelden die niet gelijk zijn aan nul op dezelfde leeftijd van 25 weken. Dit suggereert dat veroudering en vroege ontwikkeling bij muizen verschillende fenotypes zijn. Vervolgens hebben we al onze berekeningen uitgevoerd met de gegevens van dieren ouder dan 25 weken.

Statistische analyse van sterftegegevens

De overlijdensakten van dieren gekoppeld aan de MPD-dataset Peters4 waren ook beschikbaar in de MPD als een aparte dataset met de naam Yuan223. Deze datasets bevatten verschillende cohorten dieren met een enorme overlap. We vonden sterfterecords voor 487 dieren in de Peters4-dataset, terwijl 393 dieren ontbraken. De reden van de vermissing is niet bekend. Om censureringsrecords te maken, hebben we alle dieren opgenomen met ten minste twee opeenvolgende CBC-metingen. We gingen ervan uit dat de dieren die voorzien waren van een enkele CBC-meting waarschijnlijk na de bloedafname werden opgeofferd. Dus als een dier meer dan één CBC-meting heeft, beschouwen we het als verloren bij de laatste meting. In totaal vonden we 79 dieren die aan deze voorwaarde voldeden. De overige 314 dieren met onbekende sterftedata werden uitgesloten van de analyse.

De rangcorrelatietest van de Spearman werd afzonderlijk uitgevoerd voor de twee cohorten muizen. Het eerste cohort omvatte alle dieren uit de Peters4-dataset met ongecensureerde sterfteregistraties. Het tweede cohort omvatte dieren uit de Peters4-dataset met de metingen van BW en het IGF1-serumniveau uit de MPD-dataset genaamd Yuan1 24.

We hebben de Cox PH-regressieanalyse uitgevoerd met behulp van Python en Lifelines-pakket 65. Eerst hebben we het gecontroleerde multivariate Cox-PH-model geproduceerd met behulp van de leeftijd, geslacht en CBC-kenmerken als covariabelen en gebruikmakend van de gegevens van alle dieren van de Peters4 dataset, inclusief zowel gecensureerde als ongecensureerde sterfgevallen. De output van het model, de log-hazard ratio (HRCBC) is het puntproduct van de vector die de CBC-kenmerken omvat en de respectieve coëfficiënten van het Cox-PH-model. Vervolgens hebben we de associatie van de HRCBC-functie getest in een univariaat Cox-PH-model naast de dFI-score in cohorten dieren van dezelfde leeftijd en hetzelfde geslacht (zie aanvullende gegevens 6) als alternatief voor de rangcorrelatietest van Spearman. Beide proeven kwamen goed met elkaar overeen.

Training van het AE/AR neurale netwerk

We gebruikten een combinatie van een diepe AE en een eenvoudig AR-model voor modale analyse (AE-AR-model). Bij het knelpunt produceerde de encoderarm van de AE ​​een gecomprimeerde 4-dimensionale weergave y van de invoer, de 12-dimensionale fysiologische toestandsvector x opgebouwd uit de beschikbare CBC-metingen. De decoderarm reconstrueerde de oorspronkelijke 12-dimensionale toestand ~ x uit de bottleneckkenmerken.

Gelijktijdig met de AE ​​hebben we het netwerk getraind om het longitudinale deel van MPD (inclusief volgroeide dieren in de leeftijd van 26 tot 104 weken met een bemonsteringsinterval van Δt=26 weken) te laten passen bij de oplossing van de gelineariseerde (g=0) versie van Vgl. (1),

waarbij z de best mogelijke lineaire combinatie is van AE-flessenhalskenmerken, r=expð ΔtÞ ≈ 1, en z0 de best passende waarden zijn van respectievelijk de autoregressiecoëfficiënt en de constante verschuiving. Hier is ξ de fout van de aanpassing (de combinatie van de ruis van het systeem en meetfouten).

We hebben de neurale netwerkarchitectuur overgenomen die wordt voorgesteld in ref. 45. Onze implementatie behandelde gelijktijdig transversale en longitudinale metingen met een onevenwichtigheid ten gunste van transversale gegevens, wat typerend is voor klinische gegevens uit de echte wereld. Als invoer heeft het netwerk drie 12-dimensionale vectoren die worden weergegeven door CBC-parameters: één voor de transversale dataset (x) en twee andere voor de longitudinale dataset die overeenkomt met de huidige (xn) en toekomstige (xn plus 1 ) toestanden van een monster (Fig. 7a).

De dwarsdoorsnedemonsters dienden als invoer in de AE. De longitudinale samples in de gecomprimeerde representatie (yn, yn plus 1) namen ook deel aan het autoregressiegedeelte van de training. Het belangrijkste voordeel van de opname van AE in het neurale netwerk is het vermogen om niet-lineaire dimensionaliteitsreductie effectief te maken66, wat nodig is voor dergelijke gecorreleerde grootheden als CBC-componenten (figuur 1a). De verkleinde omvang van latente dimensies werkt als regularisatie en helpt bij het trainen zonder overfitting op een kleine longitudinale dataset met behulp van meer samples uit een grotere cross-sectionele dataset.

Het AE-blok codeert invoer (x) naar de 4-dimensionale vector y=ϕ(x) en reconstrueert vervolgens het oorspronkelijke signaal e x=ϕ 1 ðyÞ. AE werd geïmplementeerd als een stapeling van volledig verbonden dichte lagen en resterende netwerkblokken (ResNet)67. De dichte lagen hebben standaard een trainbare gewichtsmatrix W, biasvector b en een lineaire activeringsfunctie. Het ResNet-blok, weergegeven in figuur 7b, is een stapeling van twee dichte lagen met een activeringsfunctie van een lekkende gelijkgerichte lineaire eenheid (Leaky ReLU). De invoer en de uitvoer worden gekoppeld door elementsgewijs optellen. De ResNet-blokken voegen niet-lineaire rectificatietransformaties toe aan de oorspronkelijke invoer, waardoor niet-lineaire transformaties worden geleerd. De AE wordt gelijktijdig getraind op cross-sectionele en longitudinale datasets.

Het projectorblok neemt een 4-dimensionale vector als invoer en transformeert deze naar een scalaire z=A ⋅ y, waarnaar we verwijzen als dFI. Tijdens de training worden een paar vectoren naar de ingangen gevoerd: één voor de huidige toestand van het systeem en één yn plus 1 voor de toekomstige toestand. Het blok lineaire dynamiek lost het autoregressieprobleem (7) op en voorspelt de toekomstige toestand Zn plus 1=ξ(rZn)=rzn plus b. Het hulpdecoderblok reconstrueert de oorspronkelijke 12-dimensie CBC-vector uit de uitvoer van het lineaire dynamische blok ezn plus 1 met behulp van de decoder ϕ−1 uit het AE-blok: e xn plus 1=ϕ 1 ðB ezn plus 1Þ.

Om matrices van A en B in de projector en lineaire dynamische blokken te forceren om linker en rechter eigenvectoren te zijn in de oplossing van Vgl. (7) we hebben de volgende beperkingen toegevoegd:

Hier is LAE het AE-reconstructieverlies, Lpred is het toekomstige reconstructieverlies, LAR het auto-regressieverlies, LC is het verlies om de beperkingen van Vgl. (8), en de term k Wk2 2 is L2-regularisatie van NN-gewichten om het probleem van over-fitting te voorkomen.

De gewichten 1, 3 en 4 zijn toegewezen aan respectievelijk de waarden 1, 100 en 0.01. Het gewicht 2 werd tijdens de training geleidelijk verhoogd van 0 naar 1. Het model is getraind voor 600 tijdperken met een leertempo van 0.001 en Adam optimizer 68. De laatste 200 tijdperken zijn getraind met een leertempo van 0.0001. De AE/AR NN-architectuur is geïmplementeerd met Python en TensorFlow-framework69.

De niet-lineaire dynamiek van de ordeparameter is cruciaal voor het verklaren van sterfte. Tegelijkertijd kunnen de effecten van de niet-lineariteit bijna altijd worden verwaarloosd in de loop van het leven van een dier als de dimensieloze parameter die de levensduur van het dier uitdrukt in eenheden van de verdubbelingstijd van het sterftecijfer groot is, t ≫ {{1} }. Gezien de waargenomen dFI-verdubbelingssnelheden bij muizen, is t ~ 3 en dus het lineaire AR-model slechts een redelijke benadering. Men zou in de toekomst betere dFI-varianten moeten verkrijgen door de rangorde in AR-modellen te verhogen, mogelijk inclusief de effecten van moduskoppeling met dFI.

Modelevaluatie

Het model is gevalideerd in testdatasets (zie aanvullende gegevens 3), die volledig waren uitgesloten van de training van het AE-AR-model. De testdatasets werden verkregen uit onafhankelijke experimenten door CBC-monsters te verzamelen van cohorten van NIH Swiss-muizen van verschillende leeftijden en geslacht (dataset MA0071), een cohort van NIH Swiss-mannelijke muizen die gedurende 15 maanden werden geobserveerd (dataset MA0072), en cohorten van naïeve mannelijke en vrouwelijke NIH Zwitserse muizen die op humane wijze werden geëuthanaseerd na het bereiken van goedgekeurde experimentele eindpunten (dataset MA0073).

We schatten de reconstructiefout van de AE ​​door berekening van de root mean squared error (RMSE) en de determinatiecoëfficiënt R2 voor elk CBC-kenmerk in trainings- en testsets (aanvullende gegevens 4 en aanvullende gegevens 5). De gemiddelde RMSE in de testset was 229,6 met R2=0.55; in de trainingsset was RMSE 106,4 en R2=0.77. De beste reconstructie werd bereikt voor hematocriet (R2=0.95), rode bloedcellen (R2=0.92) en lymfocyten (R2=0.87); de slechtste resultaten waren voor de gemiddelde corpusculaire hemoglobineconcentratie (R2=− 0.82) en bloedplaatjes (R2=− 0,14) in de testset. We merken op dat volgens de definitie, −1 < R2 < 1 (zie bijv. 70), de grootheid negatief kan zijn in de trein- of validatiesets, wat wijst op gevallen van een bijzonder slechte fit.

Bepaling van de effecten van een medicijn op dFI

We hebben onderzoek gedaan naar de effecten van rapamycine op dFI-trajecten bij individuele dieren. Technisch gezien vergeleken we de verhogingen van dFI-niveaus langs de individuele levensgeschiedenissen in tijdsintervallen, afhankelijk van de hoeveelheid behandeling tussen de volgende tijdstippen. Een dergelijke analyse berust expliciet op de bewegingsvergelijking (7) voor de ordeparameter, die wordt benaderd door dFI. Het effect van het medicijn manifesteert zich als de term "kracht" die de dFI-toename tussen de metingen wanneer het medicijn wordt gegeven vermindert en geen effect (geen kracht) heeft wanneer het medicijn niet wordt toegediend, zowel in de behandelings- als in de controlegroep.

De bepaling van het effect van een medicijn op het verouderingsproces is daarom gelijk aan het bepalen van de term "kracht" in het autoregressieprobleem in Vgl. (4). Aangezien de natuurlijke variatie van dFI-niveaus tussen dieren vaak hoog is, zouden longitudinale studies meer statistische kracht moeten hebben dan standaard groepsvergelijkingen. De dFI is getraind met het AR-model (7). Dienovereenkomstig is het zeer geschikt om de signaal-ruisverhouding te maximaliseren in een longitudinale analyse van de effecten van een antiverouderingsinterventie. Indien nodig kan het autoregressiemodel een willekeurig aantal verstorende factoren accommoderen, zoals de experimentele batch of het geslacht van de dieren. Technisch gezien kan men het doel bereiken door de respectievelijke covariaten toe te voegen aan de rechterkant van Vgl. (4).

Sterfte- en overlevingsanalyse op latere leeftijd

De gegevens voor muizensterfte zijn ontleend aan ref. 25. Alleen controlegroepen werden geselecteerd voor de analyse. Muizen verwijderd uit de studie werden ook verwijderd uit de huidige overlevingsanalyse. De muizen werden samengevoegd uit alle drie de studiecentra en cohorten en gescheiden in twee groepen op basis van geslacht. In totaal waren er 3249 mannelijke muizen en 2978 vrouwelijke muizen.

De mortaliteitsanalyse wordt gedaan met behulp van de Nelson-Aalen-fitter uit het lifelines python-pakket 65. Voor de Gompertz-fit van de survivals en andere overlevingsanalyses gebruikten we de aangepaste code gepubliceerd op GitHub.

Rapportage samenvatting

Meer informatie over het onderzoeksontwerp is beschikbaar in de Nature Research Reporting Summary die aan dit artikel is gekoppeld.

Beschikbaarheid van data

De gegevens die de bevindingen van dit onderzoek ondersteunen, zijn beschikbaar bij de MPD (RRID: SCR_003212). Ruwe databestanden en scripts om alle bevindingen te reproduceren zijn beschikbaar op de GitHub-website. Aanvullende gegevens zijn op redelijk verzoek verkrijgbaar bij de corresponderende auteurs. Brongegevens worden in dit document verstrekt.

Code beschikbaarheid

De code zal beschikbaar zijn op de GitHub-website.

Referenties

1. Horvath, S. DNA-methyleringsleeftijd van menselijke weefsels en celtypen. Genoom Biol. 14, R115 (2013).

2. Levine, ME et al. Een epigenetische biomarker van veroudering voor levensduur en gezondheid. Veroudering 10, 573 (2018).

3. Antoch, MP et al. Fysiologische kwetsbaarheidsindex (pdf): een kwantitatieve schatting tijdens het leven van de individuele biologische leeftijd bij muizen. Veroudering 9, 615 (2017).

4. Poetin, E. et al. Diepe biomarkers van menselijke veroudering: toepassing van diepe neurale netwerken op de ontwikkeling van biomarkers. Veroudering 8, 1021 (2016).

5. Pyrkov, TV et al. Longitudinale analyse van bloedmarkers onthult progressief verlies van veerkracht en voorspelt de ultieme limiet van de menselijke levensduur. Nat. gemeenschappelijk. 12, 2765 (2019).

6. Schultz, MB et al. Klokken voor leeftijd en levensverwachting op basis van machine learning-analyse van kwetsbaarheid van muizen. Nat. gemeenschappelijk. 11, 1 (2020).

7. Cohen, AA et al. Een nieuwe statistische benadering toont bewijs voor multi-systeem fysiologische ontregeling tijdens het ouder worden. Mechanismen Veroudering Dev. 134, 110 (2013).

8. Mitnitski, AB, Mogilner, AJ & Rockwood, K. Accumulatie van tekorten als proxy-maatstaf voor veroudering. ScientificWorldJournal 1, 323-336 (2001).

9. Mitnitski, A. et al. Leeftijdsgerelateerde kwetsbaarheid en de associatie ervan met biologische markers van veroudering. BMC med. 13, 161 (2015).

10. Blodgett, JM, Theou, O., Mitnitski, A., Howlett, SE & Rockwood, K. Associaties tussen een laboratoriumfrailty-index en ongunstige gezondheidsresultaten voor leeftijd en geslacht. Veroudering med. 2, 11 (2019).

11. Justitie, J. et al. Senolytica bij idiopathische longfibrose: resultaten van een first-in-human, open-label, pilotstudie. ebiomedicine 40, 554-563 (2019).

12. Fahy, GM et al. Omkering van epigenetische veroudering en immunosenescente trends bij mensen. Verouderingscel 18, e13028 (2019).

13. Herman Haken. Fysiek. Astron. online Libr.

14. Scheffer, M. et al. Vroegtijdige waarschuwingssignalen voor kritieke overgangen. Natuur 461, 53 (2009).

15. Scheffer, M. et al. Het kwantificeren van veerkracht van mensen en andere dieren. Proc. Natl Acad. Wetenschap. VS 115, 11883 (2018).

16. Krotov, D., Dubuis, JO, Gregor, T. & Bialek, W. Morfogenese op kritiek punt. Proc. Natl Acad. Wetenschap. 111, 3683 (2014).

17. Kogan, V., Molodtsov, I., Menshikov, LI, Reis, RJS & Fedichev, P. Stabiliteitsanalyse van een modelgennetwerk verbindt veroudering tegen stress en verwaarloosbare veroudering. Wetenschap. Rep. 5, 13589 (2015).

18. Podolskiy, D. Kritische dynamiek van gennetwerken is een mechanisme achter veroudering en de wet van Gompertz.

19. Bogue, MA et al. Toegang tot gegevensbronnen in de muisfenomeendatabase voor genetische analyse van de levensduur en gezondheid van muizen. J. Gerontologie. Ser. Een 71, 170 (2016).

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

21. Seydel, R. Praktische vertakking en stabiliteitsanalyse, Vol. 1, p. 477 (Springer Wetenschap en zakelijke media, 2009).

22. Hughes, BG & Hekimi, S. Verschillende mechanismen van levensduur bij langlevende muis- en Caenorhabditis elegans-mutanten onthuld door statistische analyse van sterftecijfers. Genetica 204, 905 (2016).

23. Yuan, R. et al. Genetische coregulatie van de leeftijd van vrouwelijke seksuele rijping en levensduur door circulerend igf1 onder ingeteelde muizenstammen. Proc. Natl Acad. Wetenschap. 109, 8224 (2012).

24. Yuan, R. et al. Verouderende inteeltstammen van muizen: onderzoeksopzet en tussentijds rapport over mediane levensduur en circulerende igf1-niveaus. Verouderingscel 8, 277 (2009).

25. Harrison, DE et al. Rapamycine dat laat in het leven wordt gevoerd, verlengt de levensduur van genetisch heterogene muizen. Natuur 460, 392 (2009).

26. O'Connell, KE et al. Praktische murine hematopathologie: een vergelijkend overzicht en implicaties voor onderzoek. Comp. Med. 65, 96 (2015).

27. Patel, KV et al. Breedte van de distributie van rode bloedcellen en mortaliteit bij oudere volwassenen: een meta-analyse. J. Gerontol. 65A, 258 (2010).

28. Baggiolini, M. Chemokines en leukocytenverkeer.

29. Harris, TB et al. Associaties van verhoogde niveaus van interleukine-6 en C-reactief proteïne met mortaliteit bij ouderen. Ben. J Med. 106, 506 (1999).

30. Mahmoudi, S., Xu, L. & Brunet, A. De tijd terugdraaien met opkomende verjongingsstrategieën. Nat. Cel biol. 21, 32 (2019).

31. Kuilman, T., Michaloglou, C., Mooi, WJ & Peeper, DS De essentie van veroudering. Genen Dev. 24, 2463 (2010).

32. van Deursen, JM De rol van senescente cellen bij veroudering. Natuur 509, 439 (2014).

33. Zaal, BM et al. Veroudering van muizen wordt geassocieerd met p16(Ink4a)- en -galactosidase-positieve macrofaagaccumulatie die bij jonge muizen kan worden geïnduceerd door senescente cellen. Veroudering 8, 1294 (2016).

34. Kim, WY & Sharpless, NE De regulering van INK4/ARF bij kanker en veroudering. Cel 127, 265 (2006).

35. Burd, CE et al. Monitoring van tumorigenese en senescentie in vivo met een p16 INK4a-luciferase-model. Cel 152, 340 (2013).

36. Wilkinson, JE et al. Rapamycin vertraagt ​​veroudering bij muizen. Verouderingscel 11, 675 (2012).

37. Bitto, A. et al. Voorbijgaande behandeling met rapamycine kan de levensduur en gezondheid van muizen van middelbare leeftijd verlengen. elife 5, e16351 (2016).

38. Miller, RA et al. Rapamycine-gemedieerde verlenging van de levensduur bij muizen is dosis- en geslachtsafhankelijk en verschilt metabolisch van dieetbeperkingen. Verouderingscel 13, 468 (2014).

39. Balleza, E. et al. Kritieke dynamiek in genetische regulerende netwerken: voorbeelden uit vier koninkrijken. PLoS One 3, e2456 (2008).

40. Nakamura, E., Miyao, K. & Ozeki, T. Beoordeling van biologische leeftijd door analyse van hoofdcomponenten. Mech. Ouder wordende ontwikkelaar 46, 1 (1988).

41. Park, J., Cho, B., Kwon, H. & Lee, C. Ontwikkeling van een biologische leeftijdsbeoordelingsvergelijking met behulp van hoofdcomponentenanalyse en klinische biomarkers van veroudering bij Koreaanse mannen. Boog. Gerontol. geriatrie 49, 7 (2009).

42. Tarkhov, AE et al. Een universele transcriptomische handtekening van leeftijd onthult de temporele schaling van verouderingstrajecten van Caenorhabditis elegans. Wetenschap. Rep. 9, 1 (2019).

43. Johnstone, IM & Lu, AY Over consistentie en schaarsheid voor hoofdcomponentenanalyse in hoge dimensies. J. Am. stat. assoc. 104, 682 (2009).

44. Mardt, A., Pasquali, L., Wu, H. & Noé, F. VAMPnets voor diep leren van moleculaire kinetiek. Nat. gemeenschappelijk. 9, 5 (2018).

45. Lusch, B., Kutz, JN & Brunton, SL Diep leren voor universele lineaire inbedding van niet-lineaire dynamica. Nat. gemeenschappelijk. 9, 4950 (2018).

46. ​​Wu, T. & Tegmark, M. Op weg naar een natuurkundige op het gebied van kunstmatige intelligentie voor leren zonder toezicht. Fysiek. Rev. E 100, 033311 (2019).

47. Liu, Z. & Tegmark, M. Ai poincar\'e: behoudswetten van machinaal leren van trajecten. Fysiek. Eerwaarde Lett. 126, 180604 (2020).

48. Hofmann, B. Youngblood verjongt oude lichamen: een oproep tot reflectie bij de overgang van muizen naar mannen. Karger 1, 45 (2018).

49. Beerman, I. et al. Proliferatie-afhankelijke veranderingen van het DNA-methyleringslandschap liggen ten grondslag aan hematopoëtische stamcelveroudering. Celstamcel 12, 413 (2013).

50. Franceschi, C. et al. Ontstekingsveroudering: een evolutionair perspectief op immunosenescentie. Ann. NY Acad. Wetenschap. 908, 244 (2006).

51. Pawelec, G. Immunosenescentie en kanker. Biogerontologie 18, 717 (2017).

52. Crooke, SN, Ovsyannikova, IG, Poland, GA & Kennedy, RB Immunosenescentie en immuunresponsen van menselijke vaccins. immuun. Veroudering 16, 25 (2019).

53. Pang, WW et al. Hematopoëtische stamcellen van het menselijk beenmerg zijn in frequentie toegenomen en myeloïde-vooringenomen met de leeftijd. Proc. Natl Acad. Wetenschap. VS 108, 20012 (2011).

54. López-Otín, C., Blasco, MA, Partridge, L., Serrano, M. & Kroemer, G. De kenmerken van veroudering. Cel 153, 1194 (2013).

55. Partridge, L., Fuentealba, M. & Kennedy, BK De zoektocht om veroudering te vertragen door middel van medicijnontdekking. Nat. Ds. Drug Ontdekkingsreiziger. 19, 513-532 (2020).

56. Wang, Y. et al. Voorspelling van bijwerkingen van chemotherapie en mortaliteit bij oudere patiënten met primaire longkanker door middel van kwetsbaarheidsindex op basis van routinematige laboratoriumgegevens. Clin. Interv. Veroudering 14, 1187 (2019).

57. Kane, AE, Keller, KM, Heinze-Milne, S., Grandy, SA & Howlett, SE Een muriene kwetsbaarheidsindex op basis van klinische en laboratoriummetingen: verbanden tussen kwetsbaarheid en pro-inflammatoire cytokines verschillen op een seksespecifieke manier . J. Gerontol. Ser. Een 74, 275 (2019).

58. Sacher, G. & Trucco, E. De stochastische theorie van sterfte. Ann. NY Acad. Wetenschap. 96, 985 (1962).

59. Yashin, AI, Manton, KG & Vaupel, JW Sterfte en veroudering in een heterogene populatie: een stochastisch procesmodel met waargenomen en niet-waargenomen variabelen. Theor. Popul. Biol. 27, 154 (1985).

60. Vaupel, JW et al. Biodemografische trajecten van een lang leven. Science 280, 855 (1998).

61. Pyrkov, TV, Sokolov, IS & Fedichev, PO Diepe longitudinale fenotypering van draagbare sensorgegevens onthult onafhankelijke markers van een lang leven, stress en veerkracht. Veroudering 13, 7900 (2021).

62. Tarkhov, AE, Denisov, KA, & Fedichev, PO Verouderende klokken, entropie en de grenzen van leeftijdsomkering. bioRxiv (McGraw-Hill, 2022).

63. Pedregosa, F. et al. Scikit-learn: machine learning in {P}ython. J Mach. Leren. Res. 12, 2825 (2011).

64. Peterset, LL al. Grootschalige, high-throughput screening voor coagulatie en hematologische fenotypes bij muizen. fysio. Genomics.11, 185-193 (2002).

65. Davidson-Pilon, C. Levenslijnen.

66. Hinton, GE & Salakhutdinov, RR De dimensionaliteit van gegevens verminderen met neurale netwerken. Wetenschap 313, 504 (2006).

67. He, K., Zhang, X., Ren, S. & Sun, J. Diep resterend leren voor beeldherkenning. in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 770-778 (IEEE Computer Society, 2016).

68. Kingma, DP & Ba, JL Adam: een methode voor stochastische optimalisatie.

69. Abadi, M. TensorFlow: grootschalige machine learning op heterogene systemen.

70. Steel, RGD & Torrie, JH Principes en procedures van statistiek: met bijzondere aandacht voor de biologische wetenschappen. (McGraw Hill, 1960). 71. Avchaciov, K. AI voor het zonder toezicht leren van verouderingsprincipes uit longitudinale gegevens.

Dankbetuigingen

We danken Norman Sharpless voor het vrijgevig verstrekken van p16-Luc reportermuizen. Dit werk werd gedeeltelijk ondersteund door National Cancer Institute (NCI) subsidie ​​P30 CA016056 voor het gebruik van Roswell Park Comprehensive Cancer Center's Laboratory Animal and Translational Imaging Shared Resources (MPA en AVG) en door een contract van Genome Protection, Inc. (MPA en AVG). De auteurs zijn M. Kholin van Gero dankbaar voor nuttige opmerkingen en discussies.

Auteur bijdragen

MPA en EIA hebben experimenten ontworpen en uitgevoerd, gegevens geanalyseerd en geïnterpreteerd en het manuscript beoordeeld. KA en AET voerden berekeningen en data-analyse uit en schreven het manuscript. OG, LIM, AVG en POF bespraken de resultaten en schreven en beoordeelden het manuscript.

Concurrerende belangen

POF is aandeelhouder van Gero PTE. LTD. AVG is lid van Gero PTE. LTD. Raad van Advies. KA, AET, LIM, OB en POF zijn medewerkers van Gero PTE. LTD. AVG is mede-oprichter en aandeelhouder van Genome Protection. EIA is een medewerker van Genome Protection. MPA heeft geen concurrerende belangen. De studie werd gefinancierd door Gero PTE. LTD.

Extra informatie

Aanvullende informatieDe online versie bevat aanvullend materiaal beschikbaar.

Correspondentie en verzoekenvoor materialen moet worden gericht aan Peter O. Fedichev.

Informatie over collegiale toetsingNature Communications bedankt Konstantin Arbeev, Arnold Mitnitski en de anonieme reviewers voor hun bijdrage aan de peer review van dit werk.

Noot van de uitgeverSpringer Nature blijft neutraal over jurisdictieclaims in gepubliceerde kaarten en institutionele voorkeuren.

Vrije toegangDit artikel is gelicenseerd onder een Creative Commons Naamsvermelding 4.0 Internationale licentie, die het gebruik, delen, aanpassen, distribueren en reproduceren in elk medium of formaat toestaat, zolang je de oorspronkelijke auteur(s) op gepaste wijze vermeldt ) en de bron, geef een link naar de Creative Commons-licentie en geef aan of er wijzigingen zijn aangebracht. De afbeeldingen of ander materiaal van derden in dit artikel zijn opgenomen in de Creative Commons-licentie van het artikel, tenzij anders aangegeven in een kredietlijn bij het materiaal. Als materiaal niet is opgenomen in de Creative Commons-licentie van het artikel en het door u beoogde gebruik niet is toegestaan ​​door wettelijke voorschriften of het toegestane gebruik overschrijdt, moet u rechtstreeks toestemming krijgen van de houder van het auteursrecht.

Voor meer informatie: david.deng@wecistanche.com / WhatsApp:86 13632399501