人工智能通过脑转录组变化预测年龄

　　

一篇新的研究论文发表在《Aging》杂志(MEDLINE/PubMed将其列为“Aging (Albany NY)”，Web of Science将其列为“Aging-US”)第16卷第5期的封面上，题为“全基因组转录组分析和人类大脑年龄预测模型的发展”。

在以前的工作中，健康人类大脑不同区域中与衰老相关的转录组变化已经被探索过，然而，基于特定转录组的表达水平开发年龄预测模型的研究是缺乏的。此外，评估衰老大脑中两性二态基因活动的研究报告了不同的结果，这表明额外的研究将是有利的。在一项比较人类大脑不同区域的研究中，前额叶皮层(PFC)区域在健康衰老过程中显示出特别大量的显著转录组改变。

在这项新研究中，来自哈佛公共卫生学院、麻省总医院、哈佛医学院和波士顿Shriner儿童医院的研究人员Joseph A. Zarrella和Amy Tsurumi旨在分析健康人类衰老过程中PFC转录组的变化，并比较女性和男性样本之间的潜在差异，以及通过各种方法开发实足年龄预测模型。

“我们统一了从基因表达综合库(GEO)获得的神经病理正常的PFC转录组数据集，年龄范围从21岁到105岁，与总体年轻样本相比，在老年人和老年人中发现了大量差异调节的转录本，并比较了女性和男性特异性表达改变。”

研究小组通过本体论、途径和网络分析来评估与年龄相关的基因。此外，他们应用各种已建立的(最小绝对收缩和选择算子(Lasso)和弹性网(EN))和最近的(极限梯度增强(XGBoost)和光梯度增强机器(LightGBM))机器学习算法来开发准确的实际年龄预测模型并对其进行验证。在其他大群体中进一步验证这些模型的研究和分子研究，以阐明鉴定的转录本可能与衰老表型相关的潜在机制，将是有利的。

“我们的研究结果支持了PFC中特定基因表达变化与年龄高度相关的观点，一些转录本显示出女性和男性特有的差异，机器学习算法是基于转录组信息开发年龄预测模型的有用工具。”