Qualquer conjunto suficientemente complexo de medidas biológicas pode ser usado para produzir uma relógio envelhecido: os pesquisadores estabelecem um banco de dados das medidas em pessoas de diferentes idades e aplicam aprendizado de máquina técnicas para produzir um algoritmo que mapeia os dados medidos de um indivíduo para uma idade prevista. Isso não significa que seja um bom relógio, no entanto. É então necessário validar o algoritmo em relação a dados de outras populações e ver se ele se sai bem na previsão de doenças, mortalidade e outros resultados de interesse. Grande parte do desenvolvimento de relógios está focado em dados epigenéticosmas distintamente dessa linha de pesquisa, a comunidade científica também está explorando relógios construídos com base em medidas clínicas, como química do sanguedesempenho físico e assim por diante.
Dos relógios de medidas clínicas, PhenoAge é provavelmente o mais utilizado, tanto dentro como fora da comunidade científica. Sua popularidade pode derivar da facilidade de uso, pois emprega apenas 9 parâmetros que podem ser obtidos em um hemograma completo e algumas outras medidas químicas do sangue. Ao propor um relógio de medida clínica novo e mais complicado, seria necessário demonstrar que ele melhora significativamente o PhenoAge. No artigo de acesso aberto de hoje, os pesquisadores não conseguem atingir esse objetivo. Seu Índice de Envelhecimento Fisiológico usa 17 parâmetros e melhora apenas marginalmente no PhenoAge. Talvez seja interessante considerar por que relógios com menos parâmetros ainda podem funcionar bem, mesmo em populações diversas.
Sabe-se que para indivíduos da mesma idade cronológica (CA), aqueles com obesidade, exposição prolongada à nicotina ou menor standing socioeconômico têm maior probabilidade de sofrer resultados adversos para a saúde e aumentar o risco de mortalidade. Portanto, é importante medir o seu idade biológica (BA) identificar indivíduos com envelhecimento acelerado e desenvolver estratégias precisas de prevenção e intervenção para as principais doenças crónicas numa população em envelhecimento. Até o momento, os pesquisadores desenvolveram uma variedade de preditores de BA usando biomarcadores como comprimento dos telômeros, Metilação do DNA, expressão genética, metabólitosou biomarcadores clínicos. Embora os índices BA baseados em dados genômicos, como a metilação do DNA, sejam precisos na previsão de AC, os biomarcadores clínicos são geralmente mais acessíveis, interpretáveis e modificáveis. No entanto, os preditores de biomarcadores clínicos existentes basearam-se principalmente em modelos supervisionados com AC como rótulo de treinamento e, portanto, podem ter valor limitado para prever riscos de doenças independentes da AC.
Neste estudo propomos um índice de envelhecimento fisiológico (PAI) baseado em 36 biomarcadores clínicos do Coorte Dongfeng-Tongji (DFTJ) de idosos chineses. No conjunto de treinamento DFTJ (n = 12.769), identificamos 25 biomarcadores com associações não lineares significativas com mortalidade, dos quais 11 apresentaram associações lineares insignificantes. Ao incorporar efeitos não lineares, selecionamos CA e 17 biomarcadores clínicos para calcular o PAI. O PAI visa medir o BA de um indivíduo com base em biomarcadores clínicos de rotina no sangue. Nós usamos spline cúbica restrita (RCS) Modelos Cox para capturar possíveis relações em forma de U entre biomarcadores clínicos e mortalidade e determinar o valor ultimate de cada biomarcador para subsequente transformação linear por partes. Definimos PAI como uma combinação linear de CA e os biomarcadores transformados, bem como ΔPAI como o resíduo de PAI após regressão na CA. Assim, o ΔPAI mede a aceleração do envelhecimento fisiológico independente da AC.
No conjunto de testes DFTJ (n = 15.904), o PAI prevê mortalidade com um índice de concordância (índice C) de 0,816, melhor que CA (índice C = 0,771) e PhenoAge (0,799). O ΔPAI foi preditivo de doença cardiovascular incidente e seus subtipos, independente dos fatores de risco tradicionais. No conjunto de validação externa do UK Biobank (n = 296.931), o PAI alcançou um índice C de 0,749 para prever a mortalidade, permanecendo melhor que o CA (0,706) e o PhenoAge (0,743). Tanto no DFTJ quanto no UK Biobank, o PAI foi melhor calibrado do que o PhenoAge ao comparar as probabilidades de sobrevivência previstas e observadas. Além disso, o ΔPAI superou qualquer biomarcador único para prever riscos incidentes de oito doenças crónicas relacionadas com a idade.
