Bu inanılmaz derecede heyecan verici bir teknolojidir ve yaşlanmanın nasıl işlediği üzerine birçok etkisi vardır - en derin faydalarından bazıları genellikle gözden kaçar. Ne kadar hızlı yaşlandığınızı veya gerçek "biyolojik" yaşınızın ne olduğunu izlemek istiyorsanız, bu, alabileceğiniz en modern yaklaşımdır.
Esasen, bu yaşlanma saatleri DNA'daki metilasyon belirteçlerini yorumlar. Metilasyon belirteçleri, vücudunuzun gen ifadesini düzenlemek için kullandığı bir tür epigenetik modifikasyondur. Vücudunuzdaki her hücre aynı temel DNA dizisine sahiptir; ancak epigenetik ifade, belirli hücrelere fenotiplerini veren şeydir. Bu, kalp hücrelerinizin kalp hücrelerine ve göz hücrelerinizin göz hücrelerine dönüşme şeklidir.
Bu inanılmaz derecede heyecan verici bir teknolojidir ve yaşlanmanın nasıl işlediği üzerine birçok etkisi vardır - en derin faydalarından bazıları genellikle gözden kaçar. Ne kadar hızlı yaşlandığınızı veya gerçek "biyolojik" yaşınızın ne olduğunu izlemek istiyorsanız, bu, alabileceğiniz en modern yaklaşımdır.
Esasen, bu yaşlanma saatleri DNA'daki metilasyon belirteçlerini yorumlar. Metilasyon belirteçleri, vücudunuzun gen ifadesini düzenlemek için kullandığı bir tür epigenetik modifikasyondur. Vücudunuzdaki her hücre aynı temel DNA dizisine sahiptir; ancak epigenetik ifade, belirli hücrelere fenotiplerini veren şeydir. Bu, kalp hücrelerinizin kalp hücrelerine ve göz hücrelerinizin göz hücrelerine dönüşme şeklidir.
Genellikle bu metilasyon, gen transkripsiyonunu susturmanın bir yoludur. Bu epigenetik düzenleme kesin değildir ve çoğu zaman metilasyon belirteçleri yaşam tarzı faktörlerine ve müdahalelere göre eklenebilir veya kaldırılabilir. Bu belirteçler ömür boyu incelendiğinde, değişikliklerinin bir tesadüften çok daha fazlasının bir sonucu olabileceği ve bunun yerine gerçek yaşlanma sürecini yansıtabileceği ortaya çıkmıştır. Sonuç olarak, birçok araştırmacı, yaşlanmayı ölçebilen ve tahmin edebilen saatler yaratmak için bu değişikliklere bakıyor.
Bu yüzden bugünün makalesinde, metilasyona dayalı epigenetik yaşlanma saatlerinin en önemli etkilerinden bazıları hakkında bilmeniz gereken her şeyi keşfedeceksiniz, neden ilk etapta onlara ihtiyacımız var, bunları optimum yaşlanma için kendi yaklaşımınıza nasıl dahil edebilirsiniz, ve daha fazlası.
Büyük Yaşlanma Biyobelirteçine Duyulan İhtiyaç
Kronik hastalıkların küresel hastalık yükünün çoğunu oluşturduğu ve ölümlerin en yaygın nedeni olduğu bir sır değil - 65 yaş ve üzerindeki yetişkinlerin %80'i en az bir kronik hastalığa sahip.
Buna rağmen , yaşlı bireylerin sağlık sonuçlarında hala büyük bir heterojenlik var. 70'li yaşlarındaki bazı insanlar güçsüz görünüyor ve günlük rutinlerinde yardıma ihtiyaç duyuyorlar, oysa diğerleri bağımsız hayatlar yaşıyor ve büyük fizyolojik bozulmadan yaşlılığa doğru kaçıyor gibi görünüyor. Bu neden?
Ne yazık ki, bu geniş yelpazedeki sonuçlara katkıda bulunan faktörleri tahmin etmek inanılmaz derecede zor olmuştur ve biyofizyolojik yaşlanmanın durumunu tahmin eden ve izleyen biyobelirteçlere çok ihtiyaç vardır. Geçtiğimiz on yıl boyunca, " tek başına veya bazı çok değişkenli kompozitlerde bir organizmanın biyolojik parametreleri olan bu tür yaşlanma biyobelirteçlerini tanımlamak için kapsamlı bir çaba gösterildi ; bu, hastalığın yokluğunda, bazı geç yaşlarda fonksiyonel kapasiteyi tahmin edeceğinden daha iyi tahmin edecek. kronolojik yaş. "
Biyolojik yaşın ham belirteçleri (telomer uzunluğu, transkriptomik öngörücüler, proteomik öngörücüler, metabolomik temelli öngörücüler ve bileşik biyobelirteç öngörücüler) on yıllardır var olmasına rağmen, hiçbir biyolojik belirteç Amerikan Yaşlanma Araştırmaları Federasyonu (AFAR ) tarafından aşağıda listelenen kriterlere uymamıştır:
- Yaşlanma oranını tahmin etmelidir. Başka bir deyişle, bir kişinin toplam yaşam süresinde tam olarak nerede olduğunu söyleyecektir. Kronolojik yaştan daha iyi bir yaşam süresi göstergesi olmalıdır.
- Hastalığın etkilerini değil, yaşlanma sürecinin altında yatan temel bir süreci izlemelidir.
- Kişiye zarar vermeden defalarca test edilebilmelidir. Örneğin, bir kan testi veya bir görüntüleme tekniği.
- İnsanlarda ve fareler gibi laboratuar hayvanlarında işe yarayan bir şey olmalı. Bu, insanlarda doğrulanmadan önce laboratuvar hayvanlarında test edilebilmesi içindir.
Dahası, bu tür biyobelirteçlerin varlığı sorgulanmıştır çünkü birçok kronik hastalığın etkileri normal yaşlanmadan ayrılamaz. Biyolojik yaşlanma hızı da farklı dokular arasında değişebilir ve bu nedenle ölçülebilir bir genel oran varsaymak mümkün olmayabilir.
Horvath ve Hannum Saatler
Yıllarca biyolojik yaş için harika bir vekil yöntem bulmaya çalıştıktan sonra, yukarıda bahsedilen kriterleri karşılayan birkaç yeni saat ortaya çıktı. Çoğu, transkriptomik, proteomik ve metabolomik gibi çoklu omik moleküler biyobelirteçlerin etrafında toplanır.
Araştırma topluluğunun genel fikir birliği, özellikle en umut verici saat olarak bir tür saat kurar: epigenetik metilasyon saatleri.
Metilasyon bazlı biyobelirteçlerin araştırılması gerçekten aşağıdaki çalışmalarla başladı ...
- Ailevi Kümelenme ile DNA Metilasyonunda Zaman İçinde Bireysel Değişim
- Yaşlanma ve Çevresel Maruziyetler CpG Ada Bağlamına Bağlı Olarak Dokuya Özgü DNA Metilasyonunu Değiştirir
- Kök hücrelerde baskılanan genlerin yaşa bağlı DNA metilasyonu kanserin ayırt edici özelliğidir
… İnsan genomundaki belirli lokuslardaki metilasyonun yaşla değiştiğini ilk gösterenlerden bazılarıydı. Tükürükten 88 CpG bölgesinin (DNA'nın metilasyonunun meydana geldiği yer) yaşla yüksek oranda ilişkili olduğunu gösteren başka bir çalışma, kronolojik yaşın biyobelirteçleri olabilecek CpG bölgelerinin araştırılmasını teşvik etti.
Araştırmacılar, bu ilk gözlemlerden yola çıkarak, insan genomundaki hangi CpG bölgelerinin yüksek doğrulukla kronolojik yaşı tahmin edebileceğini "öğrenmek" için hem DNA metilasyon verilerini hem de kronolojik yaş bilgilerini içeren veri kümelerinde denetimli makine öğrenimi yöntemleri kullandılar. Eğitimli modellerin kronolojik yaşı tahmin etmedeki öngörü doğruluğu, daha sonra çeşitli yaşlardan bağımsız denek kohortlarında doğrulanmıştır. Bu metodolojiyi kullanarak birkaç epigenetik saat geliştirilmiştir.
En önemlisi, 2013 yılında biyoistatistikçiler Dr. Greg Hannum ve Dr. Steve Horvath tarafından yayınlanan saatlerdi. Bu saatlerin her ikisi de yüksek yaş korelasyonları (Horvath için r = 0.96 ve Hannum için r = 0.91) ve takvim yaşından küçük, ortalama sapmalar (sırasıyla 3.6 ve 4.9 yıl) gösterebildi.
Korelasyon katsayısı "r", iki değişken arasındaki doğrusal ilişkinin gücünü ve yönünü ölçer. 0.7 ile 1.0 arasındaki değerler güçlü, pozitif bir doğrusal ilişkiyi gösterir.
Horvath saati, sonraki çalışmaları ve bölgedeki araştırmaları nedeniyle muhtemelen en ünlüsüdür. "DNAm yaşı" olarak da bilinen saat, 353 CpG konumunun metilasyon seviyelerine dayalı bir çoklu doku öngörücüsüdür, oysa Hannum saati yalnızca 71 CpG konumu kullanır ve tam kan örneklerini kullanarak en iyi performansı gösterir. Her iki öngörücü için CpG bölgelerinin seçimi, benzer bir cezalandırılmış regresyon modeli kullanılarak yapıldı, ancak bunların yalnızca altı ortak CpG bölgesi var.
O zamandan beri, birkaç başka biyolojik yaş saati geliştirildi. Bu, Dr. Horvath'ın GrimAge'sini ve Dr. Morgan Levine's PhenoAge'ı içerir. Bunların tümü aşağıdaki grafikte gösterildiği gibi farklı güçlü yönlere ve faydalara sahiptir.
Grafiğin paketini açmak için çok şey olabileceğini biliyorum, ancak ana fikir, bu bilgisayar öğrenme programlarından oluşturulan algoritmaların hepsinin, oluşturulma biçimleri ve verilerin toplanma şekli nedeniyle farklı güçlü ve zayıf yönlerine sahip olmasıdır. Bazıları ölüm zamanını tahmin etmede daha iyidir ve diğerleri cildin yaşlanmasını tahmin etmede daha iyidir. Güçlü ve zayıf yönlerinin nedenleri, araştırılan dokulardan veya algoritmalar için seçilen genetik konumlardan kaynaklanıyor olabilir. Her hücrede epigenetik özellikler farklı olduğu için; çok fazla heterojenlik olabilir. Metilasyonu ölçmek için kullanılan yöntemler benzer ve öngörülebilir olsa da, bu verileri yorumlamak için kullanılan algoritmalar büyük ölçüde değişebilir ve algoritmanın gücü ölçmek istediğiniz sonuca bağlıdır.
Bu Saatler Hastalıkla İlgili Sonuçları Tahmin Edebilir mi?
En iyi biyolojik yaşlanma saati, yaşı doğru tahmin eden saat olmayabilir. Bunun yerine, en iyi biyolojik saat, yaşlanma süreciyle ilgili sonuçları tahmin edebilmelidir.
Hannum'un kana dayalı algoritması ve Horvath'ın çoklu doku algoritması, tam yaş aralığı örnekleri için r = 0,90'ın çok üzerindeki kronolojik yaşla ilişkili yaş tahminleri (DNAm yaşı) üretir. Ayrıca yaşa bağlı birçok hastalık ve durumla istatistiksel olarak önemli ilişkiler sergilerler.
Bununla birlikte, yaşla ilgili belirli hastalıklarla korelasyon genellikle küçük ila orta düzeyde olabilir. Bir açıklama, kronolojik yaşın referans olarak kullanılması, tanım gereği, metilasyon modelleri güçlü zamana bağlı değişiklikler göstermeyen CpG'leri hariç tutabilir, bunun yerine biyolojik yaşın kronolojik yaştan ayrıldığını işaret edebilir. Bu nedenle, yalnızca kronolojik zamanla değişiklikleri gösteren CpG'leri değil, aynı kronolojik yaştaki bireyler arasındaki risk ve fizyolojik durumdaki farklılıkları açıklayanları da yakalamak önemlidir.
Böylece daha iyi algoritmalar için araştırma çoktan başlamış ve birkaçı yayınlanmıştır. Buna Dr. Levine's PhenoAge ve Dr. Horvath's GrimAge dahildir. Bu algoritmalar, temel kan değerleri ve protein tahlili tahmini gibi şeyleri içeren kompozit biyobelirteçlere daha çok benzeyerek gelişti.
Bunun sonucu, kardiyovasküler hastalık, kanser ve hatta ölüm gibi sonuçların son derece doğru bir tahminidir.
Ek olarak, bazı çalışmalar Horvath tarafından geliştirilen epigenetik saat kullanılarak hesaplanan Δ yaş için (5 yılda bir) tehlike oranlarını hesapladı. Bunlar, toplu etkiler, yaş, cinsiyet, eğitim düzeyi, kronik hastalık öyküsü, hipertansiyon, sigara içme durumu, vücut için ayarlandıktan sonra tüm nedenlere bağlı ölümler için 1.23, kanser ölümleri için 1.22 ve kardiyovasküler ölüm için 1.19 tehlike oranı gösterebildiler.
Bu Teknoloji İçin Sonraki Adım
Epigenetik alanı henüz emekleme aşamasında ve pek çok yeni gelişme var. Birkaç şirket, biyolojik yaş tahmini, ölüm tahmini ve çok sayıda hastalığa özgü algoritmalar için daha iyi algoritmalar arayan geriye dönük ve ileriye dönük çalışmalara milyonlarca yatırım yapıyor.
Bunun ötesinde, birkaç epigenetik şirket de müdahalelerin metilasyon modellerini ve dolayısıyla hastalık riskini nasıl tahmin edebildiğini araştırıyor.
Örneğin TruDiagnostic ( bu podcast'te ayrıntılı olarak tartıştığım aynı test ) bu daha doğru testlerden biridir. Bugüne kadar, plazma aferezi, senolitikler, mitokondriyal peptidler ve daha pek çok şey gibi epigenetik yaşlanmayı azaltmak için en iyi müdahalelerden bazılarını araştıran 14 onaylanmış, ileriye dönük kurumsal inceleme kurulları var. TruDiagnostic TruAge sonuçlarımı burada görebilirsiniz. (Telomer testinin benim için düşük bir biyolojik yaşı ortaya koymasına rağmen, epigenetik sonuçlar ortaya çıktıktan sonra, iltihabı azaltmak için yaptığım birkaç yaşam tarzı değişikliğini etkileyen farklı bir hikaye anlattığını görmek beni gerçekten şaşırttı. sert egzersiz ve bu NAD ve Sirtuins, ve ayrıntılı olarak ele diğer stratejiler olarak yaşam uzatıcı bileşiklerin daha yüksek bir alımı arasında, daha iyileşme süresi sınırsız).
Metilasyona spesifik lokuslar , DNA sekansından farklı olarak, çevreden etkilenebilen ve hastalık tahminini geliştirme potansiyeline sahip olan spesifik hastalık riski açısından da araştırılmaktadır . Son zamanlarda, epigenom çapında bir ilişki çalışması , kanda tip II diyabet ile ilişkili 5 DNA metilasyon lokusu (ABCG1, PHOSPHO1, SOCS3 , SREBF1 ve TXNIP ) tanımladı. Çalışma , bu 5 metilasyon lokusundan elde edilen sonuçları birleştiren bir metilasyon skorunun, prospektif tip II diyabet oluşumu ile bir ilişki bulduğunu gösterdi. O kadar doğrudur ki, 7 yıl içindeki öngörü değeri HbA1C düzeylerinden ve açlık insülininden daha iyidir.
Tüm bu gelişmeler ve etkileri heyecan verici olsa da, en iyi sonuçlardan bazılarının genellikle gözden kaçırıldığına inanıyorum:
Birincisi, bu yeni metilasyon temelli saatlerle, artık yaşlanma karşıtı tedavilerin etkilerini objektif ve gerçek zamanlı olarak değerlendirme yeteneğine sahibiz. Örneğin, yeni bir ilaç konusunda heyecanlandığınızı ve yaşam süresini ve sağlığını uzatmaya gerçekten yardımcı olup olmadığını bilmek istediğinizi varsayalım. Bu saatlerin geliştirilmesinden önce, ilacı binlerce hastaya vermeniz ve ilacı almayanlara kıyasla daha azının ölüp ölmediğini görmek için yıllarca beklemeniz gerekirdi. Bu yeni saatler çok büyük bir kısayol sağlıyor. Artık insanlara ilaçlar, takviyeler veya yaşam tarzı müdahaleleri verebilir ve epigenetik belirteçlerini müdahaleden önce ve sonra ölçebilirsiniz. Küçük örneklem boyutlarıyla bile, müdahalenin nasıl çalıştığı ve çeşitli kategorilerde hastalık riskini nasıl etkilediği konusunda çok iyi bir fikir edinebilirsiniz.
İkincisi, kişiselleştirilmiş bir şekilde objektif geribildirim verebileceğini düşündüğünüzde bu testin sonuçları daha da iyi hale gelir. Üç kişi aynı ilacı kullanırsa, aynı tedavi koşullarına rağmen her birey için farklı derecelerde başarı olabilir. Ölçülmesi zor olan müdahaleler ve yaşam tarzı değişiklikleri için, artık tıbbi tedaviye tek bir boyut uyan yaklaşım kullanmak yerine, spesifik müdahalelerin bir kişiyi nasıl doğrudan etkilediğine bakabiliriz.
Üçüncü çıkarım daha da heyecan verici olabilir. Şu anda, tam olarak neden yaşlandığımızdan hala emin değiliz. Bunu yaşlanmanın dokuz özelliğine (genomik dengesizlik, telomer yıpranması, epigenetik değişiklikler, proteostaz kaybı, düzensiz besin algılama, mitokondriyal disfonksiyon, hücresel yaşlanma, kök hücre tükenmesi ve değişmiş hücreler arası iletişim) daraltmış olsak da, altta yatan mekanizmalar hala belirsiz. Bununla birlikte, bu epigenetik değişiklikler sadece yaşlanmaya bağlı değişiklikleri yansıtmıyor gibi görünüyor, aslında yaşlanma sürecinin altında yatan nedenler de olabilir. Bu, zamanla meydana gelen metilasyon değişikliklerini nasıl önleyeceğimizi ve değiştireceğimizi bulabilirsek, yaşlanmanın temel nedenini ele alabilmemiz gerektiği anlamına gelir.
Özet
İşletme yönetiminde ölçmediklerinizi yönetemezsiniz diye bir söz vardır. Aynı şey sağlıkla ilgili biyolojik belirteçler için de söylenebilir.
Yeni öğrendiğiniz teknoloji ile artık yaşlanma sürecini ölçme ve egzersizinizin, beslenmenizin, ilaçlarınızın ve diğer müdahalelerin kendi kişisel yaşlanma süreçlerinizi nasıl etkilediği hakkında gerçek zamanlı ve kişiselleştirilmiş geri bildirim alma yeteneğine sahipsiniz.
TruDiagnostic (yukarıda açıklanmıştır) gibi şirketler daha fazla teşhis algoritması geliştirmeye başladıkça, yakında hastalık süreçlerini daha erken tespit etme gücüne sahip olacaksınız. Hangi müdahalelerin Alzheimer, diyabet gibi belirli hastalık süreçlerine katkıda bulunan metilasyon modellerini değiştirmesinin en muhtemel olduğunu ve elbette hangi modellerin yaşam süresini uzatacağını bileceksiniz. Müdahalelerin epigenetik çağı nasıl etkileyebileceğini inceleyen birkaç çalışma var. Kendi TruDiagnostic TruAge kitinizi almak için buraya tıklayıp BEN50 kodunu kullanarak 50 $ tasarruf edebilirsiniz.
Yaşlanma, epigenetik araştırmanın en heyecan verici alanlarından biri olsa da, metilasyona bakarak toplanan verilerden öğrenilebilecek başka birçok ders vardır. Epigenetik analizden toplanan büyük ölçekli veriler birlikte, hastalığı daha erken tespit etmenize, hastalığı tedavi etmenin en iyi yollarını anlamanıza ve herhangi bir sağlık sorunu belirtisi ortaya çıkmadan önce bu sorunlara neden olan temel süreçler hakkında bilgi edinmenize yardımcı olabilir.
Yaşlanma belirteçleri ve biyolojik yaş ile kronolojik yaşın nasıl izleneceği hakkında sorularınız, düşünceleriniz veya yorumlarınız varsa, bunları aşağıya bırakın!
