Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

news-medical+1news-medical+1bioengineer+1Forskere har utviklet kunstig intelligens som kan anslå hvor gamle individuelle menneskelige organer er biologisk ved å lese mikroskopiske mønstre som er usynlige for det blotte øye. Dette tilbyr en ny måte å spore aldring og sykdom på, som på sikt kan kreve lite mer enn en rutinemessig blodprøve.
Studien, publisert i Nature Medicine den 14. august og ledet av André Rendeiro ved CeMM Research Center for Molecular Medicine, analyserte 25 712 histologiske bilder fra 983 individer fordelt på 40 vevstyper fra Genotype-Tissue Expression Project. Ved å bruke dype læringsmodeller for å prosessere rundt 480 millioner bildefliser, utviklet teamet organspesifikke vevsklokker som forutsier biologisk alder med en gjennomsnittlig feilmargin på 4,9 år.news-medical+2
Alder viste seg å være den enkeltfaktoren som i størst grad formet vevets utseende på tvers av alle 40 vevstyper, selv om AI-en aldri eksplisitt ble lært opp til å se etter dette. Klokkene overgikk eksisterende DNA-baserte aldringsestimater når det gjaldt å fange opp vevsspesifikk patologi, og var knyttet til telomerforkorting, histopatologiske avvik og kronisk sykdomsbyrde.bioengineer+1
Funnene utfordrer ideen om at aldring skjer uniformt. Lunge, nyre, bukspyttkjertel og binyre viste tegn til akselerert strukturell endring mellom 20 og 40 år, mens livmoren viste en markant endring rundt overgangsalderen. Nyresvikt var assosiert med akselererte aldringssignaler i flere vev, og diabetes viste tydelige effekter i bukspyttkjertelen.news-medical+1
Det som skiller seg ut er hvor ulikt hvert organ eldes, og hvordan dette kommer til uttrykk i vevsarkitekturen, sier medforfatter Ernesto Abila. Dyp læring lar oss lese disse romlige mønstrene og fange opp aldring som arkitektonisk ombygging, ikke bare molekylær drift.news-medical
Ved å koble genuttrykksprofiler fra blod med histologisk avledede aldringsgap i vev, bygde forskerne prediktorer som kunne anslå organspesifikk biologisk alder fra kun blodprøver. Disse blodbaserte modellene identifiserte sykdomsassosierte aldringsmønstre ved Alzheimers sykdom, Crohns sykdom, diabetes og hjerneslag, med det sterkeste signalet for Alzheimers konsentrert i hjernen.bioengineer+1
I en separat studie publisert i npj Aging undersøkte forskere ledet av T. Em Arpawong ved USC Leonard Davis School of Gerontology hvorfor fem mye brukte epigenetiske klokker – Horvath, Hannum, PhenoAge, GrimAge og DunedinPACE – gir ulike estimater for biologisk alder. Ved å analysere blodprøver fra 3 227 deltakere fant de at hver klokke sporer distinkte biologiske prosesser, fra metabolsk vedlikehold til immunovervåking, med nesten ingen overlapp av gener mellom dem.medicalxpress+1
Teamet utviklet nye genuttrykksbaserte skårer kalt Transcriptomic Aging Gene Scores som i flere tilfeller forutså helseutfall, inkludert diabetes, hjertesykdom og dødelighet, sterkere enn de opprinnelige klokkene.studyfinds+1
Vi fant at ulike klokker fanger opp ulike aspekter ved aldringsbiologien, sier Arpawong. Samlet understreker de to studiene at biologisk aldring ikke er én enkelt prosess, men et nettverk av organspesifikke transformasjoner – som vitenskapen nå er i ferd med å lære seg å lese.medicalxpress