Оценка метаболического возраста человека с помощью регрессионного и нейросетевого анализа

Авторы

  • О. В. Коркушко ГУ «Институт геронтологии имени Д. Ф. Чеботарёва НАМН Украины», г. Киев
  • А. В. Писарук ГУ «Институт геронтологии имени Д. Ф. Чеботарёва НАМН Украины», г. Киев
  • В. П. Чижова ГУ «Институт геронтологии имени Д. Ф. Чеботарёва НАМН Украины», г. Киев

DOI:

https://doi.org/10.14739/2310-1210.2021.1.224883

Ключевые слова:

метаболизм, биомаркеры, старение, нейронная сеть

Аннотация

Цель работы – разработка методов оценки темпа старения человека по метаболическим показателям (метаболический возраст).

Материалы и методы. Обследовали 120 практически здоровых лиц разного возраста (от 40 до 80 лет). Всем включенным в исследование людям в плазме крови определяли концентрацию глюкозы, показатели липидограммы (общий холестерин, холестерин липопротеинов высокой плотности, холестерин липопротеинов низкой и очень низкой плотности, креатинин) натощак, а также проводили стандартный глюкозотолерантный тест. Валидацию панели показателей осуществляли с помощью регрессионного и нейросетевого анализа.

Результаты. По результатам исследования, стандартная ошибка определения метаболического возраста с помощью уравнения множественной регрессии составила 9,31 года, а с помощью нейронной сети – 3,18 года.

Выводы. Разработанные способы оценки темпа метаболического старения имеют достаточную (регрессионный анализ) и высокую (нейросетевой анализ) точность и могут быть применены для определения риска развития метаболического синдрома, сердечно-сосудистой патологии и диабета 2 типа. Внедрение предложенных методов позволит не только выявлять людей с риском развития патологии, но и оценивать эффективность лечебно-профилактических и реабилитационных мероприятий.

Библиографические ссылки

Korkushko, O. V., & Shatilo, V. B. (2009). Uskorennoe starenie i puti ego profilaktiki [Accelerated ageing and paths to its prevention]. Bukovynskyi medychnyi visnyk, 13(4), 153-158. [in Russian].

Krutko, V. N., Dontsov, V. I., Zakharyashcheva, О. V., Kuznetsov, I. A., Mamikonova, О. А., Pyrvu, V. V., Smirnova, T. M., & Sokolova, L. A. (2014). Biologicheskii vozrast kak pokazatel' urovnya zdorov'ya, stareniya i ekologicheskogo blagopoluchiya cheloveka [Biological age as an index of human health level, aging and ecological well-being]. Aviakosmicheskaya i ekologicheskaya meditsina, 48(3), 12-19. [in Russian].

Belsky, D. W., Caspi, A., Houts, R., Cohen, H. J., Corcoran, D. L., Danese, A., Harrington, H., Israel, S., Levine, M. E., Schaefer, J. D., Sugden, K., Williams, B., Yashin, A. I., Poulton, R., & Moffitt, T. E. (2015). Quantification of biological aging in young adults. Proceedings of the National Academy of Sciences of the United States of America, 112(30), E4104-E4110. https://doi.org/10.1073/pnas.1506264112

Bürkle, A., Moreno-Villanueva, M., Bernhard, J., Blasco, M., Zondag, G., Hoeijmakers, J. H., Toussaint, O., Grubeck-Loebenstein, B., Mocchegiani, E., Collino, S., Gonos, E. S., Sikora, E., Gradinaru, D., Dollé, M., Salmon, M., Kristensen, P., Griffiths, H. R., Libert, C., Grune, T., Breusing, N., … Aspinall, R. (2015). MARK-AGE biomarkers of ageing. Mechanisms of Ageing and Development, 151, 2-12. https://doi.org/10.1016/j.mad.2015.03.006

Caballero, F. F., Soulis, G., Engchuan, W., Sánchez-Niubó, A., Arndt, H., Ayuso-Mateos, J. L., Haro, J. M., Chatterji, S., & Panagiotakos, D. B. (2017). Advanced analytical methodologies for measuring healthy ageing and its determinants, using factor analysis and machine learning techniques: the ATHLOS project. Scientific Reports, 7, Article 43955. https://doi.org/10.1038/srep43955

Cardoso, A. L., Fernandes, A., Aguilar-Pimentel, J. A., de Angelis, M. H., Guedes, J. R., Brito, M. A., Ortolano, S., Pani, G., Athanasopoulou, S., Gonos, E. S., Schosserer, M., Grillari, J., Peterson, P., Tuna, B. G., Dogan, S., Meyer, A., van Os, R., & Trendelenburg, A. U. (2018). Towards frailty biomarkers: Candidates from genes and pathways regulated in aging and age-related diseases. Ageing Research Reviews, 47, 214-277. https://doi.org/10.1016/j.arr.2018.07.004

Cevenini, E., Invidia, L., Lescai, F., Salvioli, S., Tieri, P., Castellani, G., & Franceschi, C. (2008). Human models of aging and longevity. Expert Opinion on Biological Therapy, 8(9), 1393-1405. https://doi.org/10.1517/14712598.8.9.1393

Crowson, C. S., Therneau, T. M., Davis, J. M., 3rd, Roger, V. L., Matteson, E. L., & Gabriel, S. E. (2013). Brief Report: Accelerated Aging Influences Cardiovascular Disease Risk in Rheumatoid Arthritis. Arthritis & Rheumatism, 65(10), 2562-2566. https://doi.org/10.1002/art.38071

Moreno-Villanueva, M., Capri, M., Breusing, N., Siepelmeyer, A., Sevini, F., Ghezzo, A., de Craen, A. J., Hervonen, A., Hurme, M., Schön, C., Grune, T., Franceschi, C., & Bürkle, A. (2015). MARK-AGE standard operating procedures (SOPs): A successful effort. Mechanisms of Ageing and Development, 151, 18-25. https://doi.org/10.1016/j.mad.2015.03.007

Salthouse, T. A. (2000). Aging and measures of processing speed. Biological Psychology, 54(1-3), 35-54. https://doi.org/10.1016/s0301-0511(00)00052-1

Steffener, J., Habeck, C., O'Shea, D., Razlighi, Q., Bherer, L., & Stern, Y. (2016). Differences between chronological and brain age are related to education and self-reported physical activity. Neurobiology of Aging, 40, 138-144. https://doi.org/10.1016/j.neurobiolaging.2016.01.014

Xia, X., Chen, W., McDermott, J., & Han, J. J. (2017). Molecular and phenotypic biomarkers of aging [version 1; peer review: 3 approved]. F1000Research, 6, Article 860. https://doi.org/10.12688/f1000research.10692.1

Загрузки

Опубликован

2021-04-07

Выпуск

Раздел

Оригинальные исследования