Svođenje starenja na dinamiku jedne varijable čini kvantitativni model starenja u obliku stohastičke jednadžbe. (1) iz ref. 18 i ova se studija razlikuje od prethodnih prijedloga da se mortalitet izvede iz dinamike fiziološkog stanja58,59. Takvi modeli su matematičke metafore nasumičnih šetnji u vrlo visokodimenzionalnim prostorima i stoga ih je teško protumačiti ili izvesti iz bioloških signala bez dodatnih pretpostavki. Vjerujemo da je kritičnost korisna teorijska opservacija, a duboko učenje izvrstan praktični alat koji se može koristiti zajedno za pojednostavljenje identificiranja parametara modela i njihovih odnosa sa svojstvima organizma. Napominjemo da objašnjenje Gompertzova zakona smrtnosti nije dovoljan dokaz teorije starenja. Usklađivanje stohastičke longitudinalne dinamike fizioloških indeksa s predviđanjem modela mnogo je teži izazov i trebalo bi se koristiti kao učinkovit alat za validaciju modela.

Glikozid cistanhe također može povećati aktivnost SOD-a u tkivima srca i jetre, te značajno smanjiti sadržaj lipofuscina i MDA u svakom tkivu, učinkovito čisteći različite reaktivne kisikove radikale (OH-, H₂O₂, itd.) i štiteći od oštećenja DNA uzrokovanog pomoću OH-radikala. Cistanche feniletanoidni glikozidi imaju jaku sposobnost hvatanja slobodnih radikala, veću reducirajuću sposobnost od vitamina C, poboljšavaju aktivnost SOD u suspenziji spermija, smanjuju sadržaj MDA i imaju određeni zaštitni učinak na funkciju membrane spermija. Cistanche polisaharidi mogu pojačati aktivnost SOD i GSH-Px u eritrocitima i plućnom tkivu eksperimentalno starih miševa uzrokovanu D-galaktozom, kao i smanjiti sadržaj MDA i kolagena u plućima i plazmi, te povećati sadržaj elastina, imaju dobar učinak čišćenja na DPPH, produžiti vrijeme hipoksije u starim miševima, poboljšati aktivnost SOD u serumu i odgoditi fiziološku degeneraciju pluća u eksperimentalno starim miševima Uz stančnu morfološke degeneraciju, pokusi su pokazali da Cistanche ima dobru antioksidacijsku sposobnost i ima potencijal da bude lijek za prevenciju i liječenje bolesti starenja kože. U isto vrijeme, ehinakozid u Cistancheu ima značajnu sposobnost hvatanja slobodnih radikala DPPH i ima sposobnost hvatanja reaktivnih vrsta kisika i sprječavanja degradacije kolagena izazvane slobodnim radikalima, a također ima dobar učinak popravka na oštećenje aniona slobodnih radikala timina.

Kliknite na Cistanche Powder Bulk

【Za više informacija: david.deng@wecistanche.com / WhatApp:86 13632399501】

dFI se eksponencijalno povećavao s godinama uz karakterističnu stopu udvostručenja od {{0}}.02 tjedno. Ova je procjena nešto manja od (ali još uvijek istog reda) očekivane stope ubrzanja Gompertz mortaliteta od 0,037 tjedno22 za soj SWR/J. S obzirom na opažene stope udvostručavanja dFI kod miševa, t ~ 3 i stoga determinističke fenotipske promjene dominiraju nasumičnim učincima faktorom 3 (vidi jednadžbu (2) i sliku 3).

Što je još zanimljivije, u skupu podataka presjeka, dFI je zasićen na graničnoj vrijednosti, koja se postiže u dobi koja odgovara prosječnom životnom vijeku u skupini. Međutim, primijetili smo da gornja granica dFI odgovara razinama dFI u kohortama životinja predviđenih za eutanaziju zbog pretjeranog morbiditeta prema trenutnim laboratorijskim protokolima, što je najbliže smrti od prirodnih uzroka koliko bi životinje mogle biti u modernom laboratoriju.

Obje značajke putanje starenja u MPD-u kompatibilne su s analitičkim rješenjima jednadžbe. (1) za dinamiku parametra narudžbe. U ref. 18, objasnili smo da se dFI u ranoj dobi eksponencijalno povećava (vidi jednadžbu (2)). U dobi koja približno odgovara prosječnom životnom vijeku u populaciji, nelinearni učinci preuzimaju dinamiku dFI, a stanje organizma odstupa od mladog stanja i brže nego eksponencijalno. Takva je situacija nespojiva s preživljavanjem i stoga se ne može promatrati u podacima. U našem modelu i eksperimentu, smrt nastupa brzo nakon što se dosegne maksimalna razina dFI u nekom trenutku u životnoj povijesti životinje.

Stohastička jednadžba (1) uspostavlja "zakon gibanja" za fiziološko stanje organizma i predviđa usporavanje smrtnosti u kasnoj životnoj dobi u obliku zasićenja smrtnosti na razini platoa, Mðt ≫ tÞ ≈ . Predviđeni odnos između ograničavajućeg mortaliteta i vremena udvostručenja stope mortaliteta održan u različitim vrstama60 i eksperimentima u višestrukim uvjetima u istoj vrsti, kao što su nematode42. Ovdje izvješćujemo o potvrdi ograničavajućeg predviđanja smrtnosti u vrlo velikim kohortama miševa iz ref. 25.

Dobro polukvantitativno slaganje između empirijskih krivulja mortaliteta u velikim pokusima i teoretskog predviđanja pruža neovisan i osjetljiv test modela kritičnosti starenja kao teorijskog okvira koji je ovdje predložen za analizu podataka u pokusima koji uključuju starenje životinja. Točnije, eksperimentalna potvrda za predviđanje usporavanja smrtnosti u kasnoj životnoj dobi potvrđuje osnovnu stohastičku jednadžbu. (1) i povezanost između njegovog rješenja u obliku dFI-a i smrtnosti od svih uzroka. Također primjećujemo da usporavanje mortaliteta u modelu proizlazi iz stohastičke prirode dinamike parametra reda i trebalo bi ga očekivati ​​čak i u kohorti genetski identičnih životinja (vidi raspravu u ref. 61).

Odstupanja od Gompertzova zakona u ljudskim kohortama također se događaju, ali u dobi koja prelazi prosječni životni vijek kada je mortalitet već daleko iznad teorijske granice koja odgovara stopi udvostručenja stope mortaliteta za gotovo red veličine60. To znači da je karakter dinamike stanja organizma tijekom ljudskog starenja kvalitativno drugačiji nego kod miševa ili nematoda. U ref. 5, uočili smo da fluktuacijama fizioloških indeksa kod ljudi također dominira kolektivna varijabla koju karakterizira relativno dugo, ali konačno vrijeme autokorelacije (u rasponu od nekoliko tjedana) i povezana s dobi i smrtnošću od svih uzroka. Broj pojedinaca koji su pokazivali znakove gubitka dinamičke stabilnosti (mjereno prekomjerno dugim vremenima autokorelacije) eksponencijalno se povećavao s godinama po stopi koja odgovara stopi udvostručenja smrtnosti iz Gompertzova zakona o smrtnosti61.

Intimna povezanost između autokorelacijskih svojstava varijabli fiziološkog stanja i obilježja starenja sugerira da AR analiza pojačana dubokim učenjem može pomoći u otkrivanju znakova ljudskog starenja i napredovanja kronične bolesti. Korist može biti osobito velika u studijama koje uključuju velike skupove longitudinalnih mjerenja, ali često nemaju naknadne informacije o smrtnosti i morbiditetu. Dok su znakovi starenja kod miševa povezani i primarno reverzibilni, veliki dio fizioloških promjena povezanih sa starenjem kod ljudi je stohastički i može biti termodinamički nepovratan62. Stoga očekujemo da će sustavna primjena načela teorije dinamičkih sustava na analizu biomedicinskih podataka pomoći u identificiranju fenotipova starenja koji se mogu poduzeti i tako olakšati otkrivanje i razvoj terapeutika protiv starenja koji proizvode dugotrajne učinke pomlađivanja.

Metode

Skupovi podataka

Skup podataka o obuci pripremljen je iz devet izvora podataka dostupnih u MPD-u19. Popis uključenih izvora predstavljen je u Dodatnim podacima 1 s referencama na uključene i nedostajuće zapise grupirane po spolu i dobnim skupinama. Koristili smo samo testove koji daju CBC podatke, testove s drugim biomarkerima nismo razmatrali zbog nedovoljnog broja uzoraka. Naš je model obučen korištenjem najboljeg preklapanja dostupnih CBC značajki iz svih izvora. Konačna lista sadržavala je 12 značajki KKS-a: diferencijal granulocita (GR postotak), broj granulocita (GR), hemoglobin (HB), hematokrit (HCT postotak), limfocitni diferencijal (LY postotak), broj limfocita (LY), srednji korpuskularni sadržaj hemoglobina ( MCHC), srednja koncentracija hemoglobina (MCH), srednji korpuskularni volumen (MCV), broj trombocita (PLT), broj crvenih krvnih stanica (RBC) i broj bijelih krvnih stanica (WBC). Pogledajte Dopunske podatke 2 za popis svih kratica. Ako u izvoru podataka nedostaju mjerenja granulocita, podaci su dohvaćeni pomoću formula:

Sve životinje kojima je nedostajao jedan ili više parametara bile su isključene iz treninga. Postotak izuzetih zapisa bio je<2% and should not have affected the results.

Životinje

Sve pokuse na životinjama odobrio je Institucionalni odbor za skrb i korištenje životinja Instituta za rak Roswell Park ili Odbor za korištenje životinja Explora BioLabs, Inc.

Od Charles River Laboratories (Wilmington, MA) primili smo 4–5-tjedne stare NIH Swiss miševe, mužjake i ženke. Dopušteno im je odležati u ustanovi za životinje Roswell Park Comprehensive Cancer Center (RPCCC). Tijekom tog vremena miševi su bili smješteni 1-3 miša po kavezu i hranjeni su ad lib standardnom hranom (Tekland Global 18 posto proteina za glodavce). Uzorci krvi dobiveni su u različitim dobima kao dio stvaranja PFI3. Uzorci krvi su sakupljeni iz jednog krvarenja submandibularne vene u Vacutainer epruvete obrađene EDTA (ukupni volumen od 20 ul) i korišteni za brojanje punih krvnih stanica i mjerenje glukoze korištenjem Hemavet 950 analizatora (Drew Scientific). Drugih 75 ul krvi sakupljeno je u epruvete za odvajanje plazme obrađene Li-heparinom; plazma je pročišćena centrifugiranjem na 5000×g tijekom 5 minuta i korištena za mjerenje koncentracije cirkulirajućih proupalnih citokina i triglicerida.

Skup podataka MA0071 izgrađen je u poprečnom eksperimentu pomoću mužjaka i ženki NIH Swiss miševa. Krv je prikupljena od mužjaka miševa u dobi od 26 (n=20), 64 (n=18), 78 (n=17), 92 (n=14), i 132 (n=6) tjedna. Ženske dobne skupine bile su zastupljene u dobi od 30 godina (n=20), 56 (n=20), 68 (n=19), 82 (n=19), 95 godina. (n=18), 108 (n=20) i 136 (n=7) tjedana. Skup podataka MA0072 dobiven je iz longitudinalnog eksperimenta. Uzorci krvi prikupljeni su u dobi od 66 (n=27), 81 (n=22), 94 (n=21), 109 (n=16) i 130 godina (n=7) tjedana. Skup podataka MA0073 uključuje uzorke krvi prikupljene od 97 muških i 127 ženki miševa različite dobi kada su životinje dosegle odobrene krajnje točke eksperimenta i zahtijevale humanu eutanaziju. Svi postupci na životinjama izvedeni su u skladu s odobrenim protokolom Institucionalnog odbora za skrb i korištenje životinja (IACUC). Miševi su svakodnevno praćeni na razvoj patologija povezanih sa starenjem. Kad god su prijavljeni zdravstveni problemi, istraživačko osoblje kontaktiralo je veterinarsko osoblje i slijedilo njihove preporuke za liječenje ili eutanaziju. Miševi su tretirani sve dok se stanje nije popravilo ili eutanazirani kada je postignuta krajnja točka za svako zdravstveno stanje opisano u protokolu. Eutanazija je izvršena gušenjem CO2 nakon čega je uslijedila dislokacija vrata maternice. Pogledajte dodatne podatke 3 za ukupan broj životinja u tim skupovima podataka.

p16/INK4a-LUC ženke miševa (p16-Luc) u dobi od 44 do 106 tjedana dobivene su iz laboratorija N. Sharpless na Sveučilištu Sjeverne Karoline (Chapel Hill, NC). Sve su životinje bile smještene u uvjetima 12:12 svjetlo:tama (12 sati svjetla nakon čega je slijedilo 12 sati tame) u Laboratory Animal Shared Resource na RPCCC. Sve pokuse na životinjama odobrio je IACUC Instituta za rak Roswell Park. Bioluminiscencijsko snimanje provedeno je korištenjem IVIS Spectrum sustava za snimanje (Caliper LifeSciences, Inc, Waltham, MA). p16/Ink4a-Luc plus /- miševima intraperitonealno je ubrizgan D-Luciferin (150 mg/kg, Gold Biotechnology), 3 minute kasnije anestezirani izofluranom i snimljeni korištenjem 20-drugog vremena integracije i spajanja medija. Slike su obrađene i kvantificirane kao zbroj toka fotona snimljenog s obje strane svakog miša korištenjem softvera Living Image (Perkin Elmer, Waltham, MA.).

Za eksperiment liječenja rapamicinom, 60-tjedne stari C57BL/6J muški miševi dobiveni su iz Jackson Laboratories (SAD). Skupina muških miševa C57BL/6 starih 60 60- tjedan dana podijeljena je u tretirane (n=12) ​​i kontrolne (n=48) skupine korištenjem stratificirane tehnike randomizacije kako bi se proizvela nerazlučiva distribucija dFI vrijednosti prije eksperimenta. Uzorci krvi (ukupni volumen od 120 µL) sakupljeni su u EDTA epruvete preko submandibularne ili facijalne vene pomoću lancete. Sve postupke na životinjama odobrio je odbor za korištenje životinja Explora BioLabs, Inc (IACUC SP17-004-035B) i bili su u skladu s pravilima Explora BioLabs, Inc o skrbi, dobrobiti i tretmanu laboratorijskih životinja. Rapamicin je nabavljen od LC Laboratories (MA, SAD). Rapamicin je davan dnevno u dozi od 12 mg/kg oralno kroz 8 tjedana. Kontrolna skupina je tretirana nosačem (5 posto Tween-80, 5 posto PEG-400, 3 posto DMSO).

Smanjenje dimenzionalnosti s PCA

PCA smo izvršili uz pomoć Python i Scikit-learn paketa63. Prvo smo primijenili PCA transformaciju na cijeli skup podataka za obuku. Međutim, glavnim komponentama dominirala je razlika u sojevima miševa. Uklonili smo razliku u soju oduzimanjem srednjih vrijednosti CBC obilježja izračunatih za najraniju dob dostupnu za odabrani soj od vrijednosti CBC obilježja svih životinja za ovaj soj:

gdje indeksi i i j nabrajaju CBC značajke i sojeve, redom, te je starost životinje. Radi jednostavnosti, filtrirali smo sojeve miševa koji nisu bili predstavljeni u Peters4 skupu podataka64.

Većina varijance u podacima koji predstavljaju cijeli skup podataka bila je povezana s rastom i sazrijevanjem životinja. Prvi PC rezultat porastao je sa starošću životinja, najviše nakon 25 tjedana (dodatna slika 1). Naprotiv, drugi i treći PC rezultati dobivaju srednje vrijednosti različite od nule do iste dobi od 25 tjedana. Ovo sugerira da su starenje i rani razvoj kod miševa različiti fenotipovi. Naknadno smo izvršili sve naše izračune koristeći podatke životinja starijih od 25 tjedana.

Statistička obrada podataka o mortalitetu

Zapisi o smrti životinja povezani s MPD skupom podataka Peters4 također su bili dostupni u MPD-u kao zasebni skup podataka pod nazivom Yuan223. Ovi skupovi podataka sadrže različite skupine životinja s velikim preklapanjem. Pronašli smo podatke o smrtnosti za 487 životinja u skupu podataka Peters4, dok su 393 životinje nedostajale. Razlog nestanka je nepoznat. Kako bismo stvorili cenzurirane zapise, uključili smo sve životinje koje su imale najmanje dva uzastopna CBC mjerenja. Pretpostavili smo da su životinje kojima je provedeno jedno mjerenje CBC-a vjerojatno žrtvovane nakon prikupljanja krvi. Stoga, ako životinja ima više od jednog CBC mjerenja, smatramo da je izgubljena pri posljednjem mjerenju. Sveukupno smo pronašli 79 životinja koje su zadovoljile ovaj uvjet. Ostalih 314 životinja s nepoznatim datumima smrtnosti isključeno je iz analize.

Spearmanov test korelacije ranga proveden je odvojeno za dvije kohorte miševa. Prva kohorta uključivala je sve životinje iz skupa podataka Peters4 s necenzuriranim zapisima o smrtnosti. Druga kohorta uključivala je životinje iz skupa podataka Peters4 s mjerenjima BW i razine IGF1 u serumu uzetih iz skupa podataka MPD pod nazivom Yuan1 24.

Proveli smo Cox PH regresijsku analizu uz pomoć Pythona i Lifelines paketa 65. Prvo smo proizveli nadzirani multivarijantni Cox-PH model koristeći dob, spol i CBC značajke kao kovarijate i koristeći podatke svih životinja iz Peters4 skup podataka, uključujući i cenzurirane i necenzurirane događaje smrtnosti. Izlaz modela, logaritamski omjer opasnosti (HRCBC) je točkasti umnožak vektora koji sadrži CBC značajke i odgovarajuće koeficijente iz Cox-PH modela. Zatim smo testirali povezanost značajke HRCBC u univarijantnom Cox-PH modelu uz dFI rezultat u kohortama životinja iste dobi i spola (vidi dodatne podatke 6) kao alternativu za Spearmanov test korelacije ranga. Oba su se testa međusobno dobro slagala.

Uvježbavanje AE/AR neuronske mreže

Koristili smo kombinaciju dubokog AE i jednostavnog AR modela za modalnu analizu (AE-AR model). U svom uskom grlu, krak kodera AE-a proizveo je komprimirani 4-dimenzionalni prikaz y ulaza, 12-dimenzionalni vektor fiziološkog stanja x izgrađen iz dostupnih CBC mjerenja. Ruka dekodera rekonstruirala je izvorno 12-dimenzionalno stanje ~ x iz značajki uskog grla.

Istovremeno s AE, uvježbali smo mrežu da prilagodi uzdužni presjek MPD (uključujući potpuno odrasle životinje u dobi od 26 do 104 tjedna s intervalom uzorkovanja od Δt=26 tjedana) u rješenje lineariziranog (g=0) verzija jednadžbe (1),

gdje je z najbolja moguća linearna kombinacija značajki AE uskog grla, r=expð ΔtÞ ≈ 1, a z0 najbolje odgovaraju vrijednosti koeficijenta autoregresije odnosno konstantnog pomaka. Ovdje je ξ pogreška prilagodbe (kombinacija šuma sustava i pogrešaka mjerenja).

Usvojili smo arhitekturu neuronske mreže predloženu u ref. 45. Naša je implementacija obrađivala presječna i longitudinalna mjerenja istovremeno s neravnotežom u korist podataka presjeka, što je tipično za kliničke podatke iz stvarnog svijeta. Kao ulaze, mreža ima tri 12-dimenzionalna vektora predstavljena CBC parametrima: jedan za presječni skup podataka (x) i dva druga za longitudinalni skup podataka koji odgovaraju sadašnjosti (xn) i budućnosti (xn plus 1 ) stanja uzorka (slika 7a).

Uzorci presjeka poslužili su kao ulazni podaci u AE. Longitudinalni uzorci u komprimiranoj reprezentaciji (yn, yn plus 1) također su sudjelovali u autoregresijskom dijelu treninga. Glavna prednost uključivanja AE u neuronsku mrežu je njegova sposobnost učinkovite redukcije nelinearne dimenzionalnosti66, što je neophodno za takve korelirane veličine kao što su CBC komponente (slika 1a). Smanjena veličina latentnih dimenzija djeluje kao regulacija i pomaže u obuci bez pretjeranog uklapanja na mali longitudinalni skup podataka koristeći više uzoraka iz većeg skupa podataka presjeka.

AE blok kodira ulaz (x) u 4-dimenzionalni vektor y=ϕ(x) i zatim rekonstruira izvorni signal e x=ϕ 1 ðyÞ. AE je implementiran kao hrpa potpuno povezanih gustih slojeva i preostalih mrežnih blokova (ResNet)67. Gusti slojevi prema zadanim postavkama imaju matricu težine koja se može trenirati, vektor pristranosti b i linearnu aktivacijsku funkciju. Blok ResNet, prikazan na slici 7b, hrpa je od dva gusta sloja s aktivacijskom funkcijom propuštene ispravljene linearne jedinice (Leaky ReLU). Ulaz i izlaz povezani su elementnim zbrajanjem. ResNet blokovi dodaju nelinearne rektifikacijske transformacije izvornom ulazu, pomažući u učenju nelinearnih transformacija. AE se istovremeno obučava na presječnim i longitudinalnim skupovima podataka.

Blok projektora uzima 4-dimenzionalni vektor kao ulaz i transformira ga u skalar z=A ⋅ y, što nazivamo dFI. Tijekom obuke, par vektora se dovodi na ulaze: jedan in za sadašnje stanje sustava i jedan yn plus 1 za buduće stanje. Blok linearne dinamike rješava problem autoregresije (7) i predviđa buduće stanje Zn plus 1=ξ(rZn)=rzn plus b. Pomoćni blok dekodera rekonstruira originalni 12-dimenzionalni CBC vektor iz izlaza bloka linearne dinamike ezn plus 1 koristeći dekoder ϕ−1 iz AE bloka: e xn plus 1=ϕ 1 ðB ezn plus 1Þ.

Natjerati matrice A i B u blokovima projektora i linearne dinamike da budu lijevi i desni svojstveni vektori u rješenju jednadžbe. (7) dodali smo sljedeća ograničenja:

Ovdje je LAE gubitak rekonstrukcije AE, Lpred je gubitak rekonstrukcije budućeg stanja, LAR gubitak autoregresije, LC je gubitak zbog prisiljavanja ograničenja iz jednadžbe. (8), a izraz k Wk2 2 je L2 regulacija NN težina kako bi se izbjegao problem pretjeranog uklapanja.

Ponderi 1, 3 i 4 dodijeljeni su vrijednostima 1, 100, odnosno 0.01. Težina 2 postupno je povećavana od 0 do 1 tijekom treninga. Model je treniran za 600 epoha sa stopom učenja od 0,001 i Adamovim optimizatorom 68. Posljednjih 200 epoha je trenirano sa stopom učenja od 0,0001. Arhitektura AE/AR NN implementirana je s okvirom Python i TensorFlow69.

Nelinearna dinamika parametra reda ključna je za objašnjenje mortaliteta. U isto vrijeme, učinci nelinearnosti mogu se gotovo uvijek zanemariti tijekom života životinje ako je bezdimenzionalni parametar koji izražava životni vijek životinje t u jedinicama vremena udvostručenja stope mortaliteta velik, t ≫ {{1} }. S obzirom na opažene stope udvostručavanja dFI kod miševa, t ~ 3 i stoga je linearni AR model samo razumna aproksimacija. U budućnosti bi se trebale dobiti bolje varijante dFI-ja povećanjem ranga u AR modelima, po mogućnosti uključujući učinke spajanja načina s dFI-jem.

Evaluacija modela

Model je potvrđen u testnim skupovima podataka (vidi dodatne podatke 3), koji su potpuno isključeni iz obuke AE-AR modela. Testni skupovi podataka dobiveni su iz neovisnih eksperimenata prikupljanjem CBC uzoraka iz kohorti NIH Swiss miševa različite dobi i spola (skup podataka MA0071), kohorte NIH Swiss muških miševa promatranih 15 mjeseci (skup podataka MA0072) i kohorti naivnih mužjaka i ženke NIH švicarskih miševa koje su humano eutanazirane nakon postizanja odobrenih krajnjih točaka eksperimenta (skup podataka MA0073).

Procijenili smo pogrešku rekonstrukcije AE izračunom korijena srednje kvadratne pogreške (RMSE) i koeficijenta determinacije R2 za svaku značajku CBC u skupovima za obuku i testiranje (dodatni podaci 4 i dopunski podaci 5). Prosječni RMSE u ispitivanom skupu bio je 229,6 s R2=0,55; u setu za obuku, RMSE je bio 106,4 i R2=0,77. Najbolja rekonstrukcija postignuta je za hematokrit (R2=0.95), crvene krvne stanice (R2=0.92) i limfocite (R2=0.87); najlošiji rezultati bili su za srednju koncentraciju korpuskularnog hemoglobina (R2=− 0.82) i trombocita (R2=− 0.14) u ispitivanom skupu. Napominjemo da prema definiciji, −1 < R2 < 1 (vidi npr. 70), količina može biti negativna bilo u nizu bilo u validacijskim skupovima, što ukazuje na slučajeve posebno lošeg uklapanja.

Određivanje učinaka lijeka na dFI

Proveli smo istraživanje učinaka rapamicina na putanje dFI kod pojedinačnih životinja. Tehnički, usporedili smo poraste dFI razina duž pojedinačnih životnih povijesti u vremenskim intervalima ovisno o količini tretmana između sljedećih vremenskih točaka. Takva analiza se eksplicitno oslanja na jednadžbu gibanja (7) za parametar reda, koji je aproksimiran dFI. Učinak lijeka očituje se kao izraz "sile" koji smanjuje dFI povećanja između mjerenja kada se lijek daje i nema učinka (bez sile) kad god se lijek ne primjenjuje, kako u liječenoj tako iu kontrolnoj skupini.

Određivanje učinka lijeka na proces starenja je stoga ekvivalentno određivanju člana "sile" u problemu autoregresije u jednadžbi. (4). Budući da je prirodna varijacija dFI razina između životinja često visoka, longitudinalne studije trebale bi imati veću statističku snagu od standardnih grupnih usporedbi. DFI je obučen s AR modelom (7). U skladu s tim, vrlo je prikladan za maksimiziranje omjera signala i šuma u longitudinalnoj analizi učinaka intervencije protiv starenja. Ako je potrebno, model autoregresije može obuhvatiti bilo koji broj zbunjujućih čimbenika, kao što je eksperimentalna serija ili spol životinja. Tehnički, cilj se može postići dodavanjem odgovarajućih kovarijabli desnoj strani jednadžbe (4).

Analiza smrtnosti i preživljavanja u kasnoj životnoj dobi

Podaci o smrtnosti miševa preuzeti su iz ref. 25. Za analizu su odabrane samo kontrolne skupine. Miševi isključeni iz studije također su uklonjeni iz trenutne analize preživljavanja. Miševi su skupljeni iz sva tri istraživačka centra i kohorte i podijeljeni u dvije skupine prema spolu. Ukupno je bilo 3249 muških miševa i 2978 ženki miševa.

Analiza mortaliteta radi se uz pomoć Nelson-Aalen montera iz lifelines python paketa 65. Za Gompertz fit preživljavanja i druge analize preživljavanja koristili smo prilagođeni kod objavljen na GitHubu.

Sažetak izvješća

Dodatne informacije o dizajnu istraživanja dostupne su u Sažetku izvješća o istraživanju prirode povezanom s ovim člankom.

Dostupnost podataka

Podaci koji podupiru nalaze ove studije dostupni su na MPD (RRID: SCR_003212). Datoteke s neobrađenim podacima i skripte za reprodukciju svih nalaza dostupne su na web stranici GitHub. Dodatni podaci dostupni su od odgovarajućih autora na opravdan zahtjev. U ovom radu navedeni su izvorni podaci.

Dostupnost koda

Kod će biti dostupan na web stranici GitHub.

Reference

1. Horvath, S. DNA metilacijska dob ljudskih tkiva i tipova stanica. Genome Biol. 14, R115 (2013).

2. Levine, ME i sur. Epigenetski biomarker starenja za životni vijek i zdravlje. Starenje 10, 573 (2018).

3. Antoch, MP i sur. Indeks fiziološke krhkosti (pdf): kvantitativna procjena individualne biološke dobi miševa tijekom života. Starenje 9, 615 (2017).

4. Putin, E. et al. Duboki biomarkeri ljudskog starenja: primjena dubokih neuronskih mreža na razvoj biomarkera. Starenje 8, 1021 (2016).

5. Pyrkov, TV i sur. Longitudinalna analiza krvnih markera otkriva progresivni gubitak otpornosti i predviđa konačnu granicu ljudskog životnog vijeka. Nat. Komun. 12, 2765 (2019).

6. Schultz, MB i sur. Satovi dobi i očekivanog životnog vijeka temeljeni na analizi slabosti miša strojnim učenjem. Nat. Komun. 11, 1 (2020).

7. Cohen, AA i sur. Novi statistički pristup pokazuje dokaze za višesistemsku fiziološku disregulaciju tijekom starenja. Mehanizmi starenja Dev. 134, 110 (2013).

8. Mitnitski, AB, Mogilner, AJ & Rockwood, K. Akumulacija deficita kao proxy mjera starenja. ScientificWorldJournal 1, 323–336 (2001).

9. Mitnitski, A. i sur. Krhkost povezana sa starenjem i njena povezanost s biološkim markerima starenja. BMC Med. 13, 161 (2015).

10. Blodgett, JM, Theou, O., Mitnitski, A., Howlett, SE & Rockwood, K. Povezanosti između laboratorijskog indeksa slabosti i nepovoljnih zdravstvenih ishoda prema dobi i spolu. Aging Med. 2, 11 (2019).

11. Justice, J. et al. Senolitici u idiopatskoj plućnoj fibrozi: rezultati prve, otvorene, pilot studije na ljudima. ebiomedicina 40, 554–563 (2019).

12. Fahy, GM i sur. Preokret epigenetskog starenja i imunosescencijskih trendova kod ljudi. Stanica starenja 18, e13028 (2019).

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

14. Scheffer, M. i sur. Rani signali upozorenja za kritične prijelaze. Nature 461, 53 (2009).

15. Scheffer, M. i sur. Kvantificiranje otpornosti ljudi i drugih životinja. Proc. Natl Acad. Sci. USA 115, 11883 (2018).

16. Krotov, D., Dubuis, JO, Gregor, T. & Bialek, W. Morfogeneza u kritičnosti. Proc. Natl Acad. Sci. 111, 3683 (2014).

17. Kogan, V., Molodtsov, I., Menshikov, LI, Reis, RJS & Fedichev, P. Analiza stabilnosti mreže modela gena povezuje otpornost na stres starenja i zanemarivo starenje. Sci. Rep. 5, 13589 (2015).

18. Podolskiy, D. Kritična dinamika genskih mreža mehanizam je iza starenja i Gompertzova zakona.

19. Bogue, MA i sur. Pristup izvorima podataka u bazi podataka mišjih fenomena za genetsku analizu životnog vijeka i zdravstvenog vijeka miševa. J. Gerontologija. Ser. A 71, 170 (2016).

20. Fiedler, BE Priručnik dinamičkih sustava, sv. 2 (Gulf Professional Publishing, 2002).

21. Seydel, R. Praktična bifurkacija i analiza stabilnosti, sv. 1, str. 477 (Springer Science & Business Media, 2009).

22. Hughes, BG & Hekimi, S. Različiti mehanizmi dugovječnosti kod dugovječnih miševa i Caenorhabditis elegans mutanata otkriveni statističkom analizom stopa smrtnosti. Genetics 204, 905 (2016).

23. Yuan, R. i sur. Genetska koregulacija dobi ženskog spolnog sazrijevanja i životnog vijeka kroz cirkulirajući igf1 među inbred sojevima miševa. Proc. Natl Acad. Sci. 109, 8224 (2012).

24. Yuan, R. i sur. Starenje inbred sojeva miševa: dizajn studije i privremeno izvješće o srednjem životnom vijeku i cirkulirajućim razinama igf1. Aging Cell 8, 277 (2009).

25. Harrison, DE i sur. Rapamicin hranjen kasno u životu produljuje životni vijek genetski heterogenih miševa. Nature 460, 392 (2009).

26. O'Connell, KE i sur. Praktična mišja hematopatologija: usporedni pregled i implikacije za istraživanje. Comp. Med. 65, 96 (2015).

27. Patel, KV i sur. Širina distribucije crvenih krvnih zrnaca i mortalitet u starijih osoba: meta-analiza. J. Gerontol. 65 A, 258 (2010).

28. Baggiolini, M. Kemokini i promet leukocita.

29. Harris, TB i sur. Povezanost povišenih razina interleukina-6 i C-reaktivnog proteina sa smrtnošću u starijih osoba. Am. J. Med. 106, 506 (1999).

30. Mahmoudi, S., Xu, L. i Brunet, A. Vraćanje vremena unatrag s novim strategijama pomlađivanja. Nat. Cell Biol. 21, 32 (2019).

31. Kuilman, T., Michaloglou, C., Mooi, WJ & Peeper, DS Suština starenja. Genes Dev. 24, 2463 (2010).

32. van Deursen, JM Uloga senescentnih stanica u starenju. Nature 509, 439 (2014).

33. Hall, BM i sur. Starenje miševa povezano je s p16(Ink4a)- i -galaktozidazom pozitivnim nakupljanjem makrofaga koje kod mladih miševa mogu inducirati stare stanice. Starenje 8, 1294 (2016).

34. Kim, WY & Sharpless, NE Regulacija INK4/ARF kod raka i starenja. Cell 127, 265 (2006).

35. Burd, CE i sur. Praćenje tumorigeneze i starenja in vivo s modelom p16 INK4a-luciferaze. Cell 152, 340 (2013).

36. Wilkinson, JE i sur. Rapamicin usporava starenje kod miševa. Aging Cell 11, 675 (2012).

37. Bitto, A. i sur. Prolazno liječenje rapamicinom može produžiti životni vijek i zdravstveno razdoblje srednjovječnih miševa. elife 5, e16351 (2016).

38. Miller, RA i sur. Produljenje životnog vijeka miševa posredovano rapamicinom ovisi o dozi i spolu i metabolički se razlikuje od prehrambenih ograničenja. Aging Cell 13, 468 (2014).

39. Balleza, E. i sur. Kritična dinamika u genetskim regulatornim mrežama: primjeri iz četiriju kraljevstava. PLoS One 3, e2456 (2008).

40. Nakamura, E., Miyao, K. & Ozeki, T. Procjena biološke starosti analizom glavnih komponenti. Mech. Starenje Dev. 46, 1 (1988).

41. Park, J., Cho, B., Kwon, H. & Lee, C. Razvijanje jednadžbe za procjenu biološke dobi korištenjem analize glavnih komponenti i kliničkih biomarkera starenja u korejskih muškaraca. Arh. Gerontol. gerijatrija 49, 7 (2009).

42. Tarkhov, AE et al. Univerzalni transkriptomski potpis starosti otkriva vremensko skaliranje putanje starenja Caenorhabditis elegans. Sci. Rep. 9, 1 (2019).

43. Johnstone, IM & Lu, AY O dosljednosti i rijetkosti za analizu glavnih komponenti u visokim dimenzijama. J. Am. Stat. Izv. 104, 682 (2009).

44. Mardt, A., Pasquali, L., Wu, H. & Noé, F. VAMP mreže za duboko učenje molekularne kinetike. Nat. Komun. 9, 5 (2018).

45. Lusch, B., Kutz, JN & Brunton, SL Duboko učenje za univerzalna linearna ugrađivanja nelinearne dinamike. Nat. Komun. 9, 4950 (2018).

46. ​​Wu, T. & Tegmark, M. Prema fizičaru umjetne inteligencije za učenje bez nadzora. Phys. Rev. E 100, 033311 (2019).

47. Liu, Z. & Tegmark, M. Ai poincar\'e: zakoni očuvanja strojnog učenja iz trajektorija. Phys. vlč. Lett. 126, 180604 (2020).

48. Hofmann, B. Youngblood pomlađuje stara tijela: poziv na razmišljanje pri prelasku s miševa na ljude. Karger 1, 45 (2018).

49. Beerman, I. et al. Promjene krajolika metilacije DNA ovisne o proliferaciji temelj su starenja hematopoetskih matičnih stanica. Cell Stem Cell 12, 413 (2013).

50. Franceschi, C. et al. Upala-starenje: evolucijska perspektiva imunosenescencije. Ann. NY Acad. Sci. 908, 244 (2006).

51. Pawelec, G. Imunosenescencija i rak. Biogerontologija 18, 717 (2017).

52. Crooke, SN, Ovsyannikova, IG, Poljska, GA & Kennedy, RB Imunosescencija i imunološki odgovori ljudskog cjepiva. Imun. Starost 16, 25 (2019).

53. Pang, WW i sur. Hematopoetske matične stanice ljudske koštane srži povećavaju se u učestalosti i mijeloidne su predrasude s godinama. Proc. Natl Acad. Sci. USA 108, 20012 (2011).

54. López-Otín, C., Blasco, MA, Partridge, L., Serrano, M. i Kroemer, G. Obilježja starenja. Cell 153, 1194 (2013).

55. Partridge, L., Fuentealba, M. & Kennedy, BK Potraga za usporavanjem starenja kroz otkriće lijekova. Nat. Rev. Drug Discov. 19, 513–532 (2020).

56. Wang, Y. i sur. Predviđanje nuspojava kemoterapije i mortaliteta u starijih pacijenata s primarnim rakom pluća putem indeksa slabosti na temelju rutinskih laboratorijskih podataka. Clin. Interv. Starost 14, 1187 (2019).

57. Kane, AE, Keller, KM, Heinze-Milne, S., Grandy, SA & Howlett, SE Indeks slabosti kod miševa na temelju kliničkih i laboratorijskih mjerenja: veze između slabosti i proupalnih citokina razlikuju se ovisno o spolu. . J. Gerontol. Ser. A 74, 275 (2019).

58. Sacher, G. & Trucco, E. Stohastička teorija smrtnosti. Ann. NY Acad. Sci. 96, 985 (1962).

59. Yashin, AI, Manton, KG & Vaupel, JW Smrtnost i starenje u heterogenoj populaciji: model stohastičkog procesa s promatranim i neopaženim varijablama. Teor. Popul. Biol. 27, 154 (1985).

60. Vaupel, JW i sur. Biodemografske putanje dugovječnosti. Science 280, 855 (1998).

61. Pyrkov, TV, Sokolov, IS & Fedichev, PO Duboko longitudinalno fenotipiziranje podataka nosivih senzora otkriva neovisne markere dugovječnosti, stresa i otpornosti. Starost 13, 7900 (2021).

62. Tarkhov, AE, Denisov, KA i Fedichev, PO Satovi starenja, entropija i granice promjene starosti. bioRxiv (McGraw-Hill, 2022).

63. Pedregosa, F. et al. Scikit-learn: strojno učenje u {P}ythonu. J. Mach. Naučiti. Res. 12, 2825 (2011).

64. Peterset, LL al. Veliki, visokoučinkoviti probir za koagulaciju i hematološke fenotipove kod miševa. Physiol. Genomika.11, 185–193 (2002).

65. Davidson-Pilon, C. Lifelines.

66. Hinton, GE & Salakhutdinov, RR Smanjenje dimenzionalnosti podataka s neuronskim mrežama. Science 313, 504 (2006).

67. He, K., Zhang, X., Ren, S. i Sun, J. Duboko rezidualno učenje za prepoznavanje slika. u 2016. IEEE konferenciji o računalnom vidu i prepoznavanju uzoraka (CVPR), 2016., str. 770–778 (IEEE Computer Society, 2016.).

68. Kingma, DP & Ba, JL Adam: metoda stohastičke optimizacije.

69. Abadi, M. TensorFlow: strojno učenje velikih razmjera na heterogenim sustavima.

70. Steel, RGD & Torrie, JH Načela i postupci statistike: s posebnim osvrtom na biološke znanosti. (McGraw Hill, 1960.). 71. Avchaciov, K. AI za nenadzirano učenje principa starenja iz longitudinalnih podataka.

Priznanja

Zahvaljujemo Normanu Sharplessu što je velikodušno osigurao p16-Luc reporterske miševe. Ovaj je rad djelomično podržan grantom Nacionalnog instituta za rak (NCI) P30 CA016056 za korištenje zajedničkih resursa za laboratorijske životinje i translacijske slike Roswell Park Comprehensive Cancer Center (MPA i AVG) i ugovorom s Genome Protection, Inc. (MPA i AVG). Autori su zahvalni M. Kholinu iz Gera na korisnim komentarima i raspravama.

Autorski prilozi

MPA i EIA dizajnirali su i proveli eksperimente, analizirali i interpretirali podatke te pregledali rukopis. KA i AET izvršili su izračune i analizu podataka te napisali rukopis. OG, LIM, AVG i POF raspravljali su o rezultatima te napisali i pregledali rukopis.

Suprotstavljeni interesi

POF je dioničar Gero PTE. LTD. AVG je član Gero PTE. LTD. Savjetodavni odbor. KA, AET, LIM, OB i POF su zaposlenici Gero PTE. LTD. AVG je suosnivač i dioničar Genome Protection-a. EIA je zaposlenik Genome Protection. MPA nema suprotstavljenih interesa. Studiju je financirao Gero PTE. LTD.

Dodatne informacije

Dodatna informacijaInternetska verzija sadrži dopunski dostupan materijal.

Dopisivanje i zahtjeviza materijale treba se obratiti Petru O. Fedičevu.

Informacije o recenzijiNature Communications zahvaljuje Konstantinu Arbeevu, Arnoldu Mitnitskom i anonimnim recenzentima na njihovom doprinosu recenziji ovog rada.

Napomena izdavačaSpringer Nature ostaje neutralan u pogledu tvrdnji o nadležnosti u objavljenim kartama i institucionalnim vezama.

Otvoreni pristupOvaj je članak licenciran pod međunarodnom licencom Creative Commons Attribution 4.0, koja dopušta korištenje, dijeljenje, prilagodbu, distribuciju i reprodukciju u bilo kojem mediju ili formatu, sve dok izvornom autoru(ima) dajete odgovarajuće priznanje ) i izvor, navedite poveznicu na licencu Creative Commons i naznačite jesu li promjene napravljene. Slike ili drugi materijali trećih strana u ovom članku uključeni su u Creative Commons licencu članka osim ako nije drugačije navedeno u kreditnoj liniji za materijal. Ako materijal nije uključen u Creative Commons licencu članka, a vaša namjeravana uporaba nije dopuštena zakonskim propisima ili premašuje dopuštenu upotrebu, morat ćete dobiti dopuštenje izravno od nositelja autorskih prava.

Za više informacija: david.deng@wecistanche.com / WhatApp:86 13632399501