Dans une étude récente publiée dans la revue Médecine naturelle, Des chercheurs ont mis au point une horloge protéomique utilisant des protéines plasmatiques pour prédire l’âge biologique et les risques sanitaires associés. Ils ont découvert que cette horloge prédit avec précision l’âge et est liée au risque de maladies chroniques majeures, de multimorbidité et de mortalité dans diverses populations.
Arrière-plan
À propos de l’étude
Dans la présente étude, les données ont été obtenues auprès de trois grandes cohortes de biobanques : United Kingdom Biobank (UKB), China Kadoorie Biobank (CKB) et FinnGen. Les chercheurs ont développé et validé une horloge protéomique de l’âge via la plateforme Olink Explore 3072. L’horloge pourrait prédire l’âge biologique d’une personne en fonction des niveaux d’expression de protéines spécifiques, qui peuvent être différents de son âge chronologique. La différence, appelée « ProtAgeGap », a été analysée pour explorer sa relation avec le vieillissement, la fragilité et la maladie.
Au total, 45 441 participants de l’UKB (âgés de 39 à 71 ans, 54 % de femmes), 3 977 de la CKB (âgés de 30 à 78 ans, 54 % de femmes) et 1 990 de la FinnGen (âgés de 19 à 78 ans, 52 % de femmes) ont été inclus. Les données protéomiques ont été traitées et normalisées dans toutes les cohortes, avec 2 897 protéines sélectionnées pour l’analyse après contrôle de qualité. Un modèle de renforcement de gradient (LightGBM) a été utilisé, surpassant les autres modèles d’apprentissage automatique dans la prédiction de l’âge chronologique. L’élimination récursive des caractéristiques a permis d’identifier les 20 protéines les plus importantes, formant un modèle prédictif minimal (ProtAge20) qui a conservé une grande précision. Le modèle a été formé et validé à l’aide d’une validation croisée quintuple dans l’UKB et appliqué aux cohortes CKB et FinnGen pour calculer le ProtAgeGap. L’analyse statistique impliquait l’utilisation d’une régression linéaire ou logistique, de modèles de risques proportionnels de Cox, d’une analyse d’enrichissement fonctionnel, d’une analyse d’interaction des explications additives de Shapley (SHAP), d’une analyse de survie de Kaplan-Meier et d’une visualisation du réseau d’interaction protéine-protéine (PPI).
unLes participants à l’UKB ont été répartis en groupes d’entraînement et de test selon un ratio de 70:30. Dans l’ensemble d’entraînement, un modèle LightGBM a été formé pour prédire l’âge chronologique à l’aide de 2 897 protéines plasmatiques et d’une validation croisée à cinq volets. Nous avons identifié 204 protéines pertinentes pour prédire l’âge chronologique à l’aide de l’algorithme de sélection de caractéristiques Boruta et avons réentraîné un modèle LightGBM raffiné à l’aide de ces 204 protéines, qui a ensuite été évalué dans l’ensemble de test UKB. bDes données indépendantes du CKB et de FinnGen ont été utilisées pour une validation indépendante supplémentaire du modèle d’horloge d’âge protéomique. cL’âge prédit par les protéines (ProtAge) a été calculé dans l’échantillon complet de l’UKB à l’aide d’une validation croisée à cinq volets et de LightGBM. ProtAgeGap a été calculé comme la différence entre ProtAge et l’âge chronologique. Nous avons utilisé une régression linéaire et logistique pour tester les associations entre ProtAgeGap et un panel complet de marqueurs biologiques du vieillissement et de mesures de la fragilité et de l’état physique/cognitif. De plus, nous avons utilisé des modèles de risques proportionnels de Cox pour tester les associations entre ProtAgeGap et la mortalité, 14 maladies courantes et 12 cancers. La plupart des analyses d’association n’ont été effectuées que dans l’UKB, en raison de la taille plus petite de l’échantillon dans le CKB et du manque de cas de maladie dans FinnGen. Figure créée avec BioRender.com.
Résultats et discussion
Il a été démontré que ProtAgeGap était corrélé aux marqueurs biologiques du vieillissement et aux résultats cliniques. Il s’est avéré être un puissant prédicteur du risque de multimorbidité et de mortalité toutes causes confondues (rapport de risque). [HR] = 1,15 par an ProtAgeGap) et 14 maladies non cancéreuses, dont la maladie d’Alzheimer (HR = 1,11), l’insuffisance rénale chronique (HR = 1,14) et le diabète de type 2 (HR = 1,13). De plus, ProtAgeGap a également montré des associations avec les risques de cancer, notamment le cancer du sein (HR = 1,12), le cancer du poumon (HR = 1,09) et le cancer de la prostate (HR = 1,08). ProtAgeGap s’est également avéré associé à divers marqueurs biologiques du vieillissement (par exemple, la longueur des télomères, le facteur de croissance analogue à l’insuline-1) et à des mesures de la fonction cognitive et physique. Des analyses de sensibilité, incluant des non-fumeurs et des personnes de poids normal, ont confirmé ces associations.
Conclusion
2024-08-12 06:05:00
1723433085
#Une #nouvelle #horloge #protéomique #prédit #lâge #biologique #les #principaux #risques #pour #santé #dans #diverses #populations
