Uczenie maszynowe wspomaga proces przewidywania rozwoju chorób.

• W chorobie Alzheimera najsilniejszym predyktorem było przyspieszone starzenie astrocytów: osoby z ekstremalnie „starym” profilem miały 12,59-krotnie wyższe ryzyko zachorowania niż osoby z profilem „młodym”. 

• Wśród osób z genotypem APOE4/4 15-letnia skumulowana częstość AD wynosiła 38,3% przy ekstremalnym starzeniu astrocytów vs 12,6% przy prawidłowym profilu. To sugeruje, że proteomika może wnosić informację ponad samą predyspozycję genetyczną. 

• Ekstremalne starzenie miocytów szkieletowych wiązało się z 12,7-krotnie wyższym ryzykiem ALS, a przyspieszone starzenie komórek nabłonka oddechowego u osób palących – z 58% wyższym ryzykiem raka płuca względem samego palenia. 

• Im więcej typów komórek wykazywało ekstremalne starzenie, tym gorsze było przeżycie: po 15 latach wynosiło ok. 90% przy prawidłowym profilu i ok. 34% przy ekstremalnym starzeniu >20 typów komórek. To nie jest jeszcze gotowy test diagnostyczny do codziennej praktyki. 

To raczej dowód, że proteom osocza może dostarczać dynamicznej informacji o biologicznym starzeniu poszczególnych układów – i potencjalnie pomagać w przyszłej stratyfikacji ryzyka na długo przed rozpoznaniem klinicznym. 

Ograniczenia: analizy mają głównie charakter obserwacyjny/prognostyczny, kohorty obejmowały przede wszystkim starsze osoby pochodzenia europejskiego, a przypisanie białek do konkretnych typów komórek jest pośrednie. Potrzebna jest prospektywna walidacja kliniczna.

Wniosek:

Biologiczny wiek konkretnych typów komórek, oszacowany wyłącznie na podstawie białek we krwi, wspomagał przewidywanie ryzyka rozwoju przyszłych chorób i wystąpienia zgonu.

Źródło: https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(26)00413-1

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *