GOLD BioAge utilise les mathématiques de Gompertz pour transformer des analyses sanguines de routine en score d'âge biologique
Un nouvel algorithme basé sur Gompertz convertit des biomarqueurs cliniques standard en une estimation de l'âge biologique qui prédit la mortalité, la fragilité et le risque de maladies chroniques.
Résumé
Des chercheurs de l'Université Fudan ont développé GOLD BioAge, un algorithme d'âge biologique fondé sur la loi de mortalité de Gompertz. À partir des données NHANES (39 348 participants), ils ont construit un modèle linéaire combinant l'âge chronologique avec neuf biomarqueurs de routine, dont le RDW, l'albumine et la créatinine. Le score BioAgeDiff obtenu — l'écart entre l'âge biologique et l'âge chronologique — était corrélé à la charge de maladies chroniques, à la santé auto-évaluée et aux modes de vie délétères. Étendu à la protéomique et à la métabolomique dans la UK Biobank, les modèles ont surpassé les horloges du vieillissement courantes en matière de prédiction de la mortalité. Une version simplifiée à trois biomarqueurs, la « Light BioAge », a été validée dans trois cohortes chinoises indépendantes et s'est révélée fiable pour prédire la survenue de la fragilité et le risque de mortalité.
Résumé détaillé
L'âge chronologique est un indicateur imparfait du vieillissement biologique. Deux personnes du même âge calendaire peuvent différer considérablement en termes de fonction physiologique, de charge de morbidité et d'espérance de vie restante. Les horloges biologiques existantes — des réseaux de méthylation de l'ADNA aux modèles complexes d'apprentissage automatique — nécessitent souvent des tests coûteux ou techniquement exigeants qui en limitent l'usage clinique courant. Cet article présente GOLD BioAge, un algorithme fondé sur la loi de Gompertz, conçu pour être à la fois mathématiquement interprétable et déployable en pratique.
La distribution de Gompertz décrit l'augmentation exponentielle du risque de mortalité avec l'âge, et les auteurs exploitent sa fonction de risque pour ancrer l'âge biologique au risque de mortalité réel. À partir des données NHANES (39 348 participants, âge moyen 49,5 ± 18,0 ans), ils ont appliqué une régression LASSO-Cox pour sélectionner neuf biomarqueurs parmi un panel initial de 26 : la largeur de distribution des érythrocytes (RDW), l'albumine (ALB), la créatinine, la phosphatase alcaline (ALP), la gamma-glutamyl transférase (GGT), la numération leucocytaire (WBC), le pourcentage de lymphocytes, le volume corpusculaire moyen (MCV), et un marqueur supplémentaire. GOLD BioAge est la somme linéaire de l'âge chronologique et des valeurs pondérées des biomarqueurs, atteignant une corrélation de R = 0,969 avec l'âge chronologique. Le principal indicateur clinique est le BioAgeDiff — l'âge biologique moins l'âge chronologique — qui quantifie directement le vieillissement accéléré ou décéléré au niveau individuel.
Dans les analyses NHANES et UK Biobank, un BioAgeDiff plus élevé était significativement corrélé au nombre de maladies chroniques liées à l'âge, à une moins bonne santé auto-évaluée et à des comportements de style de vie défavorables à la santé. Les comparaisons de référence ont montré que GOLD BioAge surpassait plusieurs horloges du vieillissement établies (dont phenotypic age et les variantes PCAge) dans la prédiction de la mortalité toutes causes confondues, pour différents groupes d'âge dans les deux cohortes. L'algorithme a ensuite été étendu aux données omiques de la UK Biobank, produisant GOLD ProtAge (basé sur la protéomique) et GOLD MetAge (basé sur la métabolomique), qui ont surpassé le modèle clinique à biomarqueurs dans la prédiction de la mortalité et du risque de maladies chroniques — ce qui suggère que le cadre méthodologique s'adapte naturellement à des données moléculaires plus riches.
Reconnaissant que même neuf biomarqueurs peuvent être difficiles à obtenir dans des contextes aux ressources limitées, l'équipe a développé Light BioAge en utilisant seulement trois biomarqueurs. Ce modèle simplifié a été validé dans trois cohortes longitudinales chinoises indépendantes : CHARLS, RuLAS et CLHLS. Light BioAge a prédit de manière fiable le risque de mortalité dans les trois jeux de données, prédit l'apparition de la fragilité, stratifié les individus déjà fragiles par niveau de risque, et identifié les individus à haut risque lorsqu'il était combiné à une évaluation de la fragilité — démontrant ainsi une généralisabilité inter-populations.
La contribution principale de cette étude réside dans son élégance méthodologique : en ancrant l'âge biologique directement dans la fonction de risque de Gompertz, chaque coefficient revêt une signification biologiquement interprétable liée au risque de mortalité. La formule linéaire est calculable sans logiciel spécialisé, ce qui la rend adaptée au dépistage sanitaire au point de soin ou à l'échelle des populations.
Principales conclusions
- GOLD BioAge, using 9 routine biomarkers plus chronological age, correlates R=0.969 with calendar age in 39,348 NHANES participants.
- BioAgeDiff (biological minus chronological age) significantly associates with chronic disease burden, self-rated health, and unhealthy lifestyles.
- GOLD ProtAge and MetAge (UK Biobank omics versions) outperform clinical biomarker models in predicting mortality and chronic disease.
- GOLD BioAge outperforms established aging clocks including phenotypic age in all-cause mortality prediction across age groups.
- Light BioAge (3 biomarkers) predicts mortality and frailty onset across three independent Chinese cohorts: CHARLS, RuLAS, and CLHLS.
Méthodologie
Le développement a utilisé la régression LASSO-Cox sur les données NHANES (n=39 348) pour sélectionner les biomarqueurs, la fonction de risque de Gompertz fournissant le cadre mathématique. La validation a fait appel à la UK Biobank (données cliniques, protéomiques et métabolomiques) ainsi qu'à trois cohortes longitudinales chinoises indépendantes (CHARLS, RuLAS, CLHLS). Les comparaisons de référence incluaient l'âge phénotypique, PCAge et d'autres horloges du vieillissement établies.
Limites de l'étude
Le modèle principal a été développé sur une population américaine (NHANES) et pourrait nécessiter une recalibration pour d'autres groupes ethniques ou systèmes de santé. Les extensions basées sur l'omique (ProtAge, MetAge) nécessitent encore des analyses protéomiques ou métabolomiques coûteuses, ce qui limite leur déploiement clinique immédiat. L'étude est observationnelle, et la causalité entre BioAgeDiff et les résultats cliniques ne peut être établie.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :
