Un método transcriptómico predice la calidad del envejecimiento
Ha sido desarrollado con el mayor número de individuos hasta la fecha y validado en pacientes con progeria.
Investigadores del Instituto Salk han aplicado una técnica basada en "machine learning" para predecir el nivel de salud en el envejecimiento a partir de la firma molecular del transcriptoma humano. El algoritmo ha sido desarrollado utilizando fibroblastos dérmicos (FDs), una población que prolifera poco y mantiene, por tanto, el daño ...
Investigadores del Instituto Salk han aplicado una técnica basada en "machine learning" para predecir el nivel de salud en el envejecimiento a partir de la firma molecular del transcriptoma humano. El algoritmo ha sido desarrollado utilizando fibroblastos dérmicos (FDs), una población que prolifera poco y mantiene, por tanto, el daño asociado al paso del tiempo.
Así lo afirma Saket Navlakha, director del estudio, quien añade que estas células también se caracterizan por experimentar cambios fenotípicos, epigenómicos y transcripcionales dependientes de la edad. Aunque no es la primera vez que los FDs son utilizados para este propósito, la mayoría de estudios previos han estado basados en modificaciones epigenómicas, tales como la metilación, prosigue Navlakha. Además, nunca antes se habían analizado los datos de 133 individuos de un rango de edad tan amplio (1-94 años). Partiendo de los datos de secuenciación de ARN, los investigadores han generado unos clasificadores aplicables a diferentes rangos de edad, con los que es posible realizar una predicción con un error de 4 y 7.7 años de mediana y media, respectivamente. En el examen de los FDs de pacientes con progeria, una enfermedad caracterizada por un rápido envejecimiento, el algoritmo predijo una edad 10 años superior a la basada en la fecha de nacimiento, poniendo así de manifiesto su fiabilidad.
Navlakha concluye que el nuevo método ofrece la posibilidad de estudiar cuantitativamente cuestiones aún sin resolver acerca del envejecimiento humano, tales como su tasa de progresión en situaciones de estrés.
