DeepMAge: эпигенетические часы старения на основе метилирования, разработанные с помощью глубокого обучения

Эпигенетические часы старения, основанные на метилировании ДНК, с момента их создания в 2013 году стали незаменимым инструментом исследований в области биогеронтологии. В настоящее время для прогнозирования возраста человека по молекулярным характеристикам апробированы различные методы машинного обучения. Среди них особенно перспективным подходом является глубокое обучение, или нейронные сети, с помощью которого удалось создать точные часы на основе биохимических показателей крови, транскриптомных и микробиомных данных — результатов, недостижимых для других алгоритмов. В этой статье оценивается эффективность глубокого обучения применительно к метилированию ДНК и проводится сравнение с действующим отраслевым стандартом — часами на основе 353 сайтов CpG, опубликованными в 2013 году. Представленные авторами часы старения DeepMAge представляют собой нейросетевую регрессионную модель, обученную на 4930 профилях метилирования ДНК крови из 17 исследований. Абсолютная медианная ошибка в независимой верификационной выборке из 1293 образцов, полученных в 15 исследованиях, составила 2,77 года. DeepMAge продемонстрировала биологическую значимость: у людей с различными состояниями, связанными со здоровьем, включая рак яичников, заболевания кишечника и рассеянный склероз, прогнозируемый возраст был выше.