Precious1GPT：加齢時計開発のためのマルチモーダル変換器ベースの転移学習と、加齢および加齢関連疾患ターゲット探索のための特徴量重要度分析

Precious1GPT: multimodal transformer-based transfer learning for aging clock development and feature importance analysis for aging and age-related disease target discovery.

抄録

加齢は、様々な加齢関連疾患のリスクを高める複雑で多因子的なプロセスであり、年代、死亡率、健康状態を正確に予測できる多くの加齢時計が存在する。これらの時計はバラバラであり、治療標的の探索にはほとんど適していない。本研究では、Precious1GPTと呼ぶ、メチル化とトランスクリプトームデータを利用したマルチモーダル老化時計の新しいアプローチを提案する。マルチモーダル変換器の精度は、メチル化やトランスクリプトームデータを個別に利用した最新の老化時計と比較すると、個々のデータタイプの中では低いが、ターゲット探索の実用性は高いと考えられる。この方法によって、仮に生物学的老化を逆転させたり促進させたりすることができるかもしれない新規治療標的を発見する能力が得られ、老化時計を用いた治療薬の発見と検証の道筋を提供することができる。さらに、PandaOmicsの産業用ターゲット探索プラットフォームを用いてアノテーションされた有望なターゲットのリストを提供する。

Aging is a complex and multifactorial process that increases the risk of various age-related diseases and there are many aging clocks that can accurately predict chronological age, mortality, and health status. These clocks are disconnected and are rarely fit for therapeutic target discovery. In this study, we propose a novel approach to multimodal aging clock we call Precious1GPT utilizing methylation and transcriptomic data for interpretable age prediction and target discovery developed using a transformer-based model and transfer learning for case-control classification. While the accuracy of the multimodal transformer is lower within each individual data type compared to the state of art specialized aging clocks based on methylation or transcriptomic data separately it may have higher practical utility for target discovery. This method provides the ability to discover novel therapeutic targets that hypothetically may be able to reverse or accelerate biological age providing a pathway for therapeutic drug discovery and validation using the aging clock. In addition, we provide a list of promising targets annotated using the PandaOmics industrial target discovery platform.