DeepMAge：ディープラーニングで開発されたメチル化老化時計

DeepMAge: A Methylation Aging Clock Developed with Deep Learning.

抄録

DNAメチル化エイジングクロックは、2013年に登場して以来、バイオジェロントロジー研究における貴重なツールとなっている。今日、分子レベルの特徴に基づくヒト年齢の予測を目的として、様々な機械学習アプローチが試されている。その中でも、ディープラーニング（神経回路網）は、血液生化学、トランスクリプトミクス、マイクロバイオミクスのデータを用いて正確な時計を構築するために使用されている、特に有望なアプローチである。この記事では、DNAメチル化の設定でディープラーニングがどのように機能するかを調べ、現在の業界標準である2013年発表の353CpGクロックと比較する。今回紹介する加齢時計（DeepMAge）は、17の研究から得られた4,930の血中DNAメチル化プロファイルで訓練されたニューラルネットワーク・リグレッサーである。15研究からの1,293サンプルからなる独立した検証セットにおいて、その絶対誤差中央値は2.77年であった。DeepMAgeは、卵巣がん、過敏性腸疾患、多発性硬化症など、さまざまな健康関連疾患を持つ人により高い予測年齢を割り当てることで、生物学的関連性を示している。

DNA methylation aging clocks have become an invaluable tool in biogerontology research since their inception in 2013. Today, a variety of machine learning approaches have been tested for the purpose of predicting human age based on molecular-level features. Among these, deep learning, or neural networks, is an especially promising approach that has been used to construct accurate clocks using blood biochemistry, transcriptomics, and microbiomics data-feats unachieved by other algorithms. In this article, we explore how deep learning performs in a DNA methylation setting and compare it to the current industry standard-the 353 CpG clock published in 2013. The aging clock we are presenting (DeepMAge) is a neural network regressor trained on 4,930 blood DNA methylation profiles from 17 studies. Its absolute median error was 2.77 years in an independent verification set of 1,293 samples from 15 studies. DeepMAge shows biological relevance by assigning a higher predicted age to people with various health-related conditions, such as ovarian cancer, irritable bowel diseases, and multiple sclerosis.