Alpina mitteilukirjanduslik kirjastus annab välja teadusajakirjaniku Polina Loseva raamatu vastupäeva. TASS avaldab katkendi sellest, kuidas teadlased otsivad kehas vananemise märke.
Kirjastus * Alpina mitteilukirjandus *.
Koguge need kõik kokku
2001. aastal ilmus esimene “hapruse indeks”, mis on üks lihtsamaid vananemisnäitajaid. Teadlased kontrollisid suurt valimit inimesi viie hapruse tunnuse osas: tahtmatu kaalukaotus, halb haardetugevus, aeglane kõndimine, väsimustunne ja passiivsus. Need, kes vastavad vähemalt kolmele kriteeriumile, pidasid kriteeriumi autorid habras. Neil oli suurem risk tervise, haiglaravi ja surma korral. Neile, kes vastasid ainult ühele või kahele tunnusele, määrati habrasuse staatus. See esimene omalaadne kriteerium ei võimaldanud veel hinnata iga katsealuse täpset riski, kuid tema abiga oli juba võimalik mõõta riske kogu elanikkonnale ja selle üksikutele rühmadele.
Reklaamvideo:
Hiljem kasvas selle idee alusel terve habrasusnäitajate mets. Sellest ajast alates on funktsioonide arv märkimisväärselt suurenenud ja võib ulatuda sadadesse, kuid põhimõte jääb samaks. Iga funktsioon on parameeter, mis:
a) on tervise viga (ja mitte mingi elustiili omadus, näiteks suitsetamine);
b) esineb sagedamini vanusega;
c) esineb vähemalt 1% elanikkonnast.
Tähiste summa peaks hõlmama keha erinevaid valdkondi, see tähendab mitte ainult inimese füüsilist seisundit, vaid ka psüühilist ja psüühilist tervist. Tegelikult mõõdavad need indeksid inimkehas esinevate puuduste / vigastuste arvu, mistõttu neid nimetatakse mõnikord defektiindeksiteks. Kõiki kümneid või sadu tunnuseid hinnatakse skaalal 0 kuni 1 ja subjekt saab habrasuse punkti, mis kasvab keha vananedes.
Hapruse indeks on vananemise meditsiinilise lähenemise kvintessents, mille kohaselt peetakse vanadust vanusega seotud haiguste kogumiks. Seetõttu kasutatakse selliseid näitajaid meditsiinitöös sageli ja need aitavad hästi ennustada näiteks eaka inimese vajadust intensiivravi järele. Harvadel juhtudel töötavad need ka noorte jaoks, kuna iga defekt ja iga vanusega seotud haigus kahjustab tõsiselt nende ellujäämist. Kuid nende abiga on raske ennustada muud kui surmaohtu, nii et suhteliselt tervete inimeste jaoks on neist vähe kasu. Lisaks ei ütle habrasuse indeksid meile midagi vananemise põhjuse kohta ja mõõdavad ainult selle tagajärgi.
Sellegipoolest on põhimõte ise - kasutada mitte ühte parameetrit, vaid markerite summat - kindlasti tõsi, sest see võtab arvesse elanikkonna heterogeensust. Ja nüüd proovivad teadlased ehitada bioloogilise vanuse hindamiseks mitme muutujaga mudeleid.
Näiteks ameerika uuringus CALERIE, mis on pühendatud kalorite piiramisele, jälgivad teadlased 18 erinevat märki: alates kolesterooli ja hemoglobiini kogusest kuni limaskestade terviseni. Igaühe jaoks ehitasid nad 26–38-aastaste muutuste kõvera ja ehitasid mudeli, mis ennustab bioloogilist vanust kõigi parameetrite muutuste summa korrutatuna teatud koefitsientidega. Katsed hinnata iga osaleja bioloogilist vanust on näidanud, et isegi noorte elanikkond on väga heterogeenne. Katsetajate sõnul võib katsealuste, kes nende passide järgi on 38 aastat vanad, bioloogiline vanus vahemikus 30 kuni 50. Selles uuringus on eriti oluline, et teadlased töötaksid noorte tervete inimestega, kelle surma- või haiguste riski on peaaegu võimatu hinnata. Arvatavastilähiajal ilmub selline keeruline vanuse marker. Ainus küsimus on, millised konkreetsed parameetrid sellesse kaasatakse.
Ta peab meid
Mida tähendavad 5, 10 või isegi 100 parameetrit inimkeha korralduse keerukusega võrreldes? Et mitte muretseda kõige täpsemate biomarkerite valimise pärast, kasutavad mitmed teadlased bioloogilise vanuse - tehisintellekti - arvutamisel põhimõtteliselt erinevat lähenemisviisi. Viimasel ajal on olnud palju töid, kus arstid õpetavad närvivõrke diagnoosima mitmesuguseid haigusi, miks siis mitte neid vananemisele rakendada?
USA-s teeb seda teadlaste rühm teadlase Alex Zhavoronkovi juhtimisel. Nad koolitavad tehisintellekti mitmesugustel vananemismärkidel. Näiteks õpetasid nad 2018. aastal, kuidas mõõta inimese vanust näo foto järgi. Silma ja ümbritsevat nahka tundes määras programm vanuse täpsusega kaks kuni viis aastat. Samal ajal osutus kõige olulisemaks tunnuseks silmanurgas olevad kortsud: niipea, kui need fotodel suleti, hakkasid närvivõrgu jaoks vanurid välja nägema nagu väikesed lapsed.
2019. aastal asus Zhavoronkovi grupp tegema vereanalüüse. Nende mõõdetud parameetrid sarnanevad standardse biokeemilise testiga: erinevate vererakkude kogus, valkude, rasvade, glükoosi ja ainevahetusproduktide - karbamiidi, kreatiniini (lihaste ainevahetussaadus, mis eritub tavaliselt neerude kaudu) kontsentratsioon, bilirubiini (hemoglobiini jäägid) kontsentratsioon. Ja jällegi määras tehisintellekt katsealuste vanuse täpsusega kuus aastat.
Tee ääres selgus, et erinevate sugude ja etniliste rühmade jaoks on vaja arvestada erinevat markerite komplekti. Näiteks mängis naatriumikontsentratsioon lõunakorealaste vanuse arvutamisel olulist rolli, kuid see ei sõltunud oluliselt idaeurooplaste vanusest. Ja see on veel üks omadus, mida tuleb bioloogilise vanuse käsitlemisel meeles pidada: tasub iga kord kontrollida, millise valimi põhjal selle määramise meetod välja töötati. See, mis muudab vana hiinlase vanaks, ei pruugi tingimata indiaanlase heaks töötada.
Järgmisel real on mikroobid. Vaatamata asjaolule, et me pole endiselt kindlad, kuidas täpselt erinevad soole mikrofloora esindajad inimese tervist mõjutavad, on tehisintellekt neid juba loendanud. Võrreldes erinevat tüüpi bakterite suhtelist arvu inimeste soolestikus, on närvivõrk õppinud vanust määrama täpsusega umbes neli aastat.
Huvitav on see, et teatud mikroobide seos vanuse määramisega ei sõltunud sellest, kas need olid tervisele kasulikud või vastupidi kahjulikud. Selles mõttes tunduvad "vananemissõbralikud" bakterid eriti uudishimulikud. Need on tõenäoliselt samad äsja omandatud soolestiku elanikud, kellest rääkisime peatükis "Mikroobid" ja mis säilitavad vananemisorganismis vajaliku mitmekesisuse ja hoiavad põletikku soovitud tasemel. Kuid on võimalik ka teine seletus: need mikroobid võivad peegeldada mitte niivõrd vanadust, kuivõrd nüüd vanaduseni jõudnud põlvkonna elustiili: vähest kehalist aktiivsust, suurt suhkrutarbimist ja töödeldud toitu. Ja kui see vastab tõele, peavad teadlased tulevikus kohandama vanuse määramise meetodit, mitte ainult sõltuvalt soost või rassist,aga ka põlvkonnast ja selle eluviisist.
Tehisintellekti töö laiendab kindlasti vaatevälja ja paljastab, mida klassikalised meetodid igatsevad. Samal ajal ei vasta kõik mõõdetavad parameetrid biomarkerite kriteeriumidele. Seetõttu osutub inimese vanust määrav närvivõrk funktsionaalselt väga kasulikuks, kuid tekitab bioloogilisest aspektist palju küsimusi.
Milliseid parameetreid, mida AI arvestab, on tõesti oluline? Millised on seotud vananemise põhjustega ja millised kajastavad ainult elustiili? Nüüd juhib tehisintellekt meile arusaamatut algoritmi, mis tekitab toetamata ennustusi, nagu Kreeka diviner. Tema ennustuste uskumiseks põhjuse saamiseks peame veel eraldama ja katsetama peamised markerid, millele ta toetub.
Muundumisraskused
Bioloogilise vanuse potentsiaalsete markerite loetelu sellega ei lõppe. Kandidaatideks pakutakse veres ringleva DNA prahti, suhkrujääkide kogust rakuvälistes valkudes ja isegi aju omadusi MRI-uuringutel. Üks hiljutine uuring arvutas aju vanuse tarbitud hapniku hulga järgi glükoosiühiku kohta. Glükoosi lagunemist hapniku osaluseta peeti "lapselikuks" märgiks ja täielikku hapnikuhingamist "täiskasvanuks". Selle meetodi abil ennustati vanust täpsusega ainult 8,5 aastat, kuid naiste aju oli keskmiselt neli aastat noorem kui meestel. Selliseid näiteid on palju ja biomarkeri kandidaatide arv kasvab jätkuvalt.
Probleem on selles, et nende ennustused ei sobi omavahel hästi kokku. Ja kui igas rühmas saab markerid ikkagi viia ühise nimetaja juurde - näiteks igat tüüpi epigeneetilisi kellasid saab kalibreerida võrdselt -, siis rühmadevahelised erinevused jäävad sügavaks. Erinevates uuringutes käituvad nad erinevalt: mõnes uuringus ennustavad Hannami (aga mitte Horvaatia) kellad vaimsete võimete ja motoorsete võimete vähenemise riski, muus töös seostatakse südame-veresoonkonna haiguste ja rasvumise riskiga ainult Horvaatia kellasid. Kolmandas uuringus on hapruse indeks bioloogilise vanuse määramisel palju täpsem kui metülatsioonitundidega ning neljandas ei suutnud ükski markeritest ühtegi vanuse tunnust piisavalt täpselt ennustada.
Võib-olla on asi enamiku bioloogiliste markerite kitsas "spetsialiseerumises", mis on soovituslikud ainult "nende" piirkonnas. Lipiidide kontsentratsioonid on tihedalt seotud rasvumisega, aju MRT - intelligentsusega, telomeeri pikkus - regenereerimisega jne. Kuid kui see on nii, siis kas me saame kogu elundile või elundisüsteemile tuginedes hinnata riske kogu kehale tervikuna?
Rangelt öeldes ei ole me kindlad, et inimese keha kõik osad vananevad ühesuguse kiirusega ning selleks, et sellest rääkida, peab meil olema kõigi jaoks ühine vananemisparameeter. Näiteks epigeneetiliselt on enamik kudesid (ehkki mitte kõik) enam-vähem ühes vanuses, kuid vananevate rakkude arv neis on erinev.
Selles mõttes on huvitav jälgida patsiente, kes on läbinud vereülekande või elundi siirdamise - pärast seda leitakse nende kehas erineva bioloogilise vanusega rakke. Mõõtmised näitavad, et samas kehas olemine ei silu vanusevahe. Ja kui doonor oli retsipiendist noorem, elavad tema rakud jätkuvalt omal ajal, jäädes ümbritsevatest kudedest nooremaks - vähemalt vastavalt epigeneetilisele kellale.
Ühel või teisel viisil pole kõigi elundite jaoks ühtset meedet veel olemas, nagu ka kõigi katsete jaoks sobivat biomarkerit pole. Iga kasutatud parameeter lahendab selle konkreetse probleemi; mõnes uuringus otsivad teadlased spetsiaalselt eraldi markereid keha erinevatele elualadele. Ja sellel on oma loogika: mida konkreetsemalt parameetrit mõõdame, seda paremini mõistame, kuidas see moodustub ja mille mõjul see võib muutuda.
Kui proovime leida ühe markeri kogu organismile, tekib kohe küsimus: mida me tegelikult mõõdame? Telomeerid näitavad, kas rakud on jagunemiseks valmis, epigeneetiline kell näitab, kui hästi rakk oma DNA-d parandab või kui hästi hoitakse geene keerutamata. Need kaks markerit ei lange ennustuste puhul peaaegu kunagi üksteisega kokku. Võib-olla viitab see sellele, et iga marker mõõdab oma vananemise samba paksust - ja siis pole mõtet proovida neid omavahel siduda.
Tõenäoliselt on see probleemiks biohäkkerid, kes üritavad mõõta oma keha paljusid parameetreid ja kohandada neid "optimaalsete" väärtustega. Markereid on uskumatult palju ja igaüks neist ei pruugi eraldi tähendada mitte midagi (just nagu metüleeritud DNA iga piirkond ei ole praktiliselt seotud bioloogilise vanusega) ega anda tulemusi, mis ei kattu teiste ennustustega. Seetõttu on ebatõenäoline, et me ühel päeval suudame leida ühe konkreetse parameetri, mis vastab kõigile meie küsimustele.
Oleme ummikseisus: ühte markerit on võimatu leida, kõigi jaoks sama ja paljud väiksemad markerid on endiselt üksteisega halvasti kooskõlas ega anna bioloogilisi selgitusi. See on sama probleem, millega vananemisvastased võitlejad silmitsi seisavad: tundub, et meil pole enam määratud avada ühte võlupilli ja vaevalt on võimalik kõike osade kaupa kinnitada, nagu soovitab Aubrey de Gray. Selle osa lehtedel kokku pandud muudatuste loend ei jäta lootust hõlpsaks parandamiseks. Järgmises osas proovime leida kesktee ja rääkida sellest, kuidas vananemise põhjuste otsimine aitab välja selgitada, mida sellega teha saab ja milline "nooruse eliksiiri" retsept tundub tänapäeval kõige usutavam.
