Un nouveau « AI Clock » révèle des profils de vieillissement spécifiques aux maladies via les voies de méthylation du DNA
Le PathwayAge clock analyse les voies biologiques pour prédire l'âge et identifier les mécanismes de vieillissement spécifiques aux maladies, avec une précision supérieure.
Résumé
Des chercheurs ont développé PathwayAge, une horloge épigénétique alimentée par l'IA qui prédit l'âge biologique en analysant les profils de méthylation de l'ADN à l'échelle des voies biologiques plutôt qu'à des sites individuels. Testé sur plus de 10 000 échantillons, il a atteint une précision de 97,7 % et a révélé des signatures de vieillissement spécifiques à certaines maladies, comme la maladie d'Alzheimer, le cancer et les troubles métaboliques. Contrairement aux horloges existantes, PathwayAge identifie quelles voies biologiques sont à l'origine du vieillissement dans différentes maladies, ouvrant potentiellement la voie à des interventions personnalisées.
Résumé détaillé
Les horloges épigénétiques traditionnelles prédisent l'âge biologique à partir de la méthylation de l'ADN sur des sites individuels, mais ne permettent pas de comprendre les mécanismes biologiques qui sous-tendent le vieillissement. Cette limite freine la compréhension des différences de vieillissement entre maladies et populations.
Des chercheurs ont développé PathwayAge, un modèle d'apprentissage automatique qui analyse les modifications coordonnées de la méthylation à l'échelle de voies biologiques entières, issues des bases de données Gene Ontology et KEGG. Le modèle a été entraîné sur 4 516 sujets sains et validé sur 15 jeux de données indépendants totalisant 10 615 individus, dont des populations Han chinoises.
PathwayAge a atteint une précision exceptionnelle (corrélation de 97,7 %, erreur de 2,35 ans) et a surpassé les horloges établies dans des populations et des types de tissus variés. Le modèle a identifié des voies clés du vieillissement, notamment l'autophagie, l'adhésion cellulaire, la signalisation synaptique et la régulation métabolique. Il a également mis en évidence des signatures de vieillissement spécifiques à certaines maladies : voies synaptiques et immunitaires dans la neurodégénérescence, inflammation systémique dans les maladies immunitaires, et dysfonction métabolique dans le cancer et l'obésité.
La validation croisée à l'aide de données d'expression génique a confirmé la pertinence biologique du modèle. L'approche à l'échelle des voies biologiques offre des éclairages mécanistiques sur la façon dont différentes maladies accélèrent le vieillissement par des voies biologiques distinctes, ouvrant ainsi la voie à des interventions ciblées.
Cette avancée majeure en recherche sur le vieillissement va au-delà de la simple prédiction de l'âge pour expliquer le « pourquoi » biologique du vieillissement accéléré dans différentes pathologies. L'interprétabilité du modèle et sa validation inter-ethnique en font un outil particulièrement précieux pour les applications en médecine de précision.
Principales conclusions
- PathwayAge achieved 97.7% accuracy predicting age from DNA methylation pathways
- Model revealed disease-specific aging signatures across 9 conditions
- Autophagy, synaptic signaling, and metabolic pathways drive aging
- Superior performance across ethnicities and tissue types
- Cross-omics validation confirmed biological relevance
Méthodologie
Étude transversale utilisant des données de méthylation du DNA à l'échelle du génome provenant de 10 615 individus répartis dans 19 cohortes. Un apprentissage automatique en deux étapes a agrégé les sites CpG en caractéristiques au niveau des voies biologiques à l'aide des bases de données GO et KEGG.
Limites de l'étude
La conception transversale limite les inférences causales. Les résultats pathologiques représentent des cas prévalents plutôt qu'incidents. Le modèle nécessite une validation dans des études longitudinales et des populations diversifiées.
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 :