KI sagt Immunalter anhand von Zellmustern vorher und zeigt, dass Fettleibigkeit die Immunalterung beschleunigt
Ein Machine-Learning-Modell sagt das biologische Immunalter anhand von Proteinmarkern präzise voraus und zeigt, dass Adipositas die Alterung des Immunsystems beschleunigt.
Zusammenfassung
Forscher entwickelten ein maschinelles Lernmodell, das das immunologische Alter durch die Analyse von Proteinmustern in Immunzellen vorhersagt. Mithilfe von Massenzytometrie an Milzzellen von Mäusen aus fünf Altersgruppen identifizierten sie 103 molekulare Merkmale aus sechs Immunzelltypen. Das Modell sagte das Alter präzise vorher und zeigte, dass Adipositas die immunologische Alterung beschleunigt – und demonstriert damit ein neues Werkzeug zur Beurteilung des biologischen Alters und des krankheitsbedingten Immunabbaus.
Detaillierte Zusammenfassung
Das Verständnis der Alterung unseres Immunsystems ist entscheidend für die Vorhersage von Gesundheitsergebnissen und Krankheitsrisiken. Während das chronologische Alter angibt, wie viele Jahre jemand gelebt hat, spiegelt das biologische Alter wider, wie gut der Körper tatsächlich funktioniert. Diese Unterscheidung wird zunehmend wichtiger, da Menschen unterschiedlich schnell altern.
Forscher an der Sunchon National University entwickelten einen innovativen Machine-Learning-Ansatz zur Vorhersage des Immunalters, indem sie Proteinexpressionsmuster in Immunzellen analysierten. Sie verwendeten Massenzytometrie (CyTOF), um 30 Proteinmarker in Milzzellen von Mäusen in fünf Lebensphasen zu untersuchen – vom Äquivalent der Adoleszenz (2 Monate) bis zum fortgeschrittenen Alter (20 Monate).
Das Team identifizierte sechs wichtige Immunzelltypen und extrahierte 103 molekulare Merkmale, um ihr Support-Vector-Regression-Modell zu trainieren. Wichtigste Erkenntnisse zeigten, dass bestimmte Immunmarker mit dem Alter zunahmen (wie CD80+-Zellen, die sich vervierfachten), während andere abnahmen (CD26+-Zellen gingen um das Fünffache zurück). B-Zellen nahmen mit dem Alter kontinuierlich zu, während T-Zell-Populationen deutlich abnahmen.
Entscheidend ist, dass das Modell das Immunalter in unabhängigen Testproben präzise vorhersagte und sich als robust erwies, als es auf adipöse Mäuse angewendet wurde, die eine beschleunigte Immunalterung zeigten. Dies deutet darauf hin, dass das Instrument krankheitsbedingte Immunseneszenz über die normale Alterung hinaus erkennen kann. Die Forschung etabliert einen Rahmen zur Quantifizierung der Immunalterung, der dabei helfen könnte, Personen mit höherem Risiko für altersbedingte Erkrankungen zu identifizieren und die Wirksamkeit von Interventionen zur Förderung der Immungesundheit zu überwachen.
Wichtigste Erkenntnisse
- Machine learning model predicts immune age with high accuracy using 103 protein features
- B cells increase while T cells decrease significantly during aging process
- CD80+ immune cells show 4-fold increase, CD26+ cells drop 5-fold with age
- Obesity accelerates immune aging beyond normal chronological progression
- Model successfully validates on independent test samples
Methodik
Forscher setzten Massenzytometrie ein, um 30 Proteinmarker in CD45+-Immunzellen aus Milzen von Mäusen in fünf Altersgruppen (2–20 Monate) zu analysieren. Sie wandten FlowSOM-Clustering und Support-Vector-Regression an, um aus 103 extrahierten molekularen Merkmalen prädiktive Modelle zu entwickeln.
Studienlimitierungen
Die Studie wurde ausschließlich an Mäusen durchgeführt und muss noch in menschlichen Populationen validiert werden. Das Modell konzentriert sich auf milzabgeleitete Immunzellen, die das systemische Immunaltern möglicherweise nicht vollständig repräsentieren. Langzeitvalidierungen und Studien zur klinischen Übertragbarkeit sind erforderlich.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: