Vizeletteszt biológiai életkor meghatározására

Az öregedést hagyományosan a születéstől eltelt idővel, vagyis a kronológiai korral mérjük, ugyanakkor ez nem mindig tükrözi a szervezet valódi biológiai állapotát. Egyes emberek gyorsabban, mások lassabban öregszenek, ezért olyan biomarker‑alapú eszközökre van szükség, amelyek megbízhatóan képesek felmérni a biológiai életkort, és például ezáltal információkat szolgáltatni a megelőző kezelésekhez. A biológiai életkor meghatározásának területén az úgynevezett „öregedésórák” (aging clocks) olyan életkorral összefüggő biológiai jellemzők alapján becsülik meg a biológiai kort, amelyeknek a kronológiai kortól tapasztalható eltérései utalnak az öregedés ütemére. A DNS‑metilációs modellek jelentették az első ilyen eszközöket, és szoros kapcsolatot mutattak a betegségek kialakulásával és az összhalálozás kockázatával. A vérből, plazmából vagy bőrből származó mikroRNS‑profilok pedig egy további lépést jelentettek.

A mostani vizsgálatban a Nagoya University kutatói gépi tanulási (machine learning) módszerekkel fejlesztettek ki és validáltak egy olyan öregedésórát, amelynek működése a vizeletből származó extracelluláris vezikulumok mikroRNS‑profilján alapul. A vizeletminták 6331 olyan személytől származtak, akik a miSignal Scan nevű rákszűrő vizsgálaton vettek részt, és a kutatók kérdőívekkel mértéke fel a kronológiai életkort, nemet, testtömeget, testmagasságot, dohányzási szokásokat, a fizikai aktivitás gyakoriságát, az alkoholfogyasztás mértékét és az önbevalláson alapuló társbetegségeket.

A gépi tanulási modell végül 2400 résztvevő adataival készült el. Az első tesztcsoport 2840, életkor és nem szerint kiegyensúlyozott mintából állt, míg a második tesztcsoport 1091, különálló mintahalmazból származó résztvevőt tartalmazott, életkor és nem szerinti csoportosítás nélkül. Minden vizeletmintát mintegy 4 millió nyers szekvenciáig elemeztek. A modellfejlesztés során 407 olyan mikroRNS‑jellemzőt tartottak meg, amelyek az extracelluláris vezikulumokban stabilan és kellő gyakorisággal voltak jelen. Az ötszörös keresztvalidáció során a becsült életkor átlagosan 5,1 ± 0,29 év eltérést mutatott a kronológiai kortól. Az első, kiegyensúlyozott tesztcsoportban ez az eltérés 4,5 év volt, míg a második, független tesztcsoportban 4,4 év.

A modell által legfontosabbnak ítélt húsz mikroRNS jelenléte életkorral összefüggő változásokat mutatott: egy részük mennyisége az életkor előrehaladtával emelkedett, másoké csökkent. Tíz mikroRNS mindkét nemnél növekedést tükrözött, négy csak férfiaknál mutatott emelkedést, míg hat csökkenő tendenciát mutatott. Ezek a mikroRNS‑ek olyan folyamatokhoz kapcsolódtak, amelyek az öregedés és a sejtszintű szeneszcencia szempontjából meghatározók, például az oszteoklasztok fejlődésének szabályozásához vagy a marginális zóna B‑sejtjeinek differenciálódásához, emellett megjelentek az apoptotikus jelátvitel és a mitokondriális diszfunkció jelei is.

A módszer pontossága valamelyest elmaradt a DNS‑metilációs öregedésórákétól, ugyanakkor felülmúlta a véralapú mikroRNS‑ és mRNS‑modellek teljesítményét. A becslések pontossága csökkent a nagyon fiatal és nagyon idős korcsoportokban, ezért a 25 év alatti és 80 év feletti személyek esetében az eredmények óvatos értelmezést igényelnek, és gyakorlati alkalmazásuk korlátozott lehet.

Írásunk az alábbi közlemények alapján készült:

A urine-based biological aging clock: Machine learning and microRNA offer accurate prediction

A urinary microRNA aging clock accurately predicts biological age

Irodalmi hivatkozás:

Milos Havelka et al, A urinary microRNA aging clock accurately predicts biological age, npj Aging (2025). DOI: 10.1038/s41514-025-00311-3