Авторы подчеркивают, что календарный возраст не отражает реальное функциональное состояние организма. Люди одного возраста могут существенно различаться по рискам хронических заболеваний и продолжительности жизни. При этом многие действующие модели старения опираются преимущественно на метилирование ДНК и учитывают лишь часть биологических процессов.
Работа строилась поэтапно. Сначала ученые создали EMRAge – клинический индекс риска смертности, основанный на рутинных лабораторных показателях и данных медкарт примерно 31 тысячи участников биобанка. Этот показатель можно воспроизвести в различных системах электронных медицинских карт, поскольку он опирается на стандартные клинические данные.
Затем на базе EMRAge разработали молекулярную версию DNAmEMRAge, которая воспроизводит клинический индекс по данным метилирования ДНК. Следующим шагом стал OMICmAge – расширенная модель, которая дополнительно учитывает протеомные, метаболомные и клинические сигналы. Мультиомная информация интегрирована в эпигенетические маркеры, поэтому итоговый индекс можно рассчитать по одному анализу метилирования ДНК – без необходимости проводить полный набор омных исследований для каждого пациента.
Клинический индекс EMRAge валидировали в программе All of Us. Молекулярные версии прошли проверку в независимых когортах TruDiagnostic и Generation Scotland. OMICmAge продемонстрировал устойчивую связь с общей смертностью, а также с риском инсульта, диабета 2-го типа, хронической обструктивной болезни легких, депрессии и онкологических заболеваний. В прогнозе 5- и 10-летней выживаемости индекс показал более высокую или сопоставимую точность по сравнению с существующими биомаркерами старения.
По оценке авторов, объединение клинических и молекулярных данных позволяет точнее отражать системные процессы старения – воспаление, метаболические изменения и сдвиги в белковом профиле. Вместе с тем разработчики отмечают, что модель требует дальнейшей проверки в более разнообразных популяциях и оценки практической применимости перед возможным внедрением в клиническую практику.
Параллельно с академическими разработками в сегмент биологического возраста активно выходит коммерческий рынок: американский стартап Death Clock запустил ИИ-сервис Life Lab, встроенный в мобильное приложение и подключенный к более 4,8 тысячи лабораторий. Платформа анализирует данные крови, медицинскую информацию и ответы пользователя, рассчитывает биологический возраст и прогнозируемую дату смерти, а также формирует персонализированные рекомендации по снижению рисков.
Еще одно направление – неинвазивные и органоспецифические модели. Японская компания Craif Inc совместно с Нагойским университетом разработала ИИ-модель, которая определяет темпы старения по профилю микроРНК во внеклеточных везикулах. Алгоритм обучен на данных более 6 тысяч человек и показал среднюю погрешность около 4,4 года относительно хронологического возраста. По точности метод пока уступает ДНК-эпигенетическим «часам», однако превосходит решения на основе крови и мРНК, оставаясь простым и неинвазивным инструментом.
Исследователи из Бостонского и Массачусетского университетов разработали метод расчета «возраста мозга» по профилю белков в плазме крови. Анализ данных более 53 тысяч человек из UK Biobank показал, что ускоренное старение мозга связано со снижением когнитивных функций и повышением риска болезни Альцгеймера в 1,79 раза и инсульта – в 1,25 раза.
Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live
