La edad es más que un número: el aprendizaje automático puede predecir si tendrá una vejez saludable

La edad es más que un número: el aprendizaje automático puede predecir si tendrá una vejez saludable

LA JOLLA—Los médicos han observado durante mucho tiempo que la edad biológica y la edad cronológica no siempre son lo mismo. Una persona de 55 años puede exhibir muchos signos de vejez y tener numerosas enfermedades relacionadas con la edad, mientras que una persona de 80 años puede ser saludable y robusta. Si bien la dieta, la actividad física y otros factores juegan un papel, hay muchos factores que contribuyen a explicar por qué y cómo algunas personas envejecen mejor que otras. Esos contribuyentes siguen siendo poco conocidos.

Para un estudio publicado el 19 de diciembre de 2018 en Biología del genoma, un equipo colaborativo del Instituto Salk analizó células de la piel que van desde muy jóvenes hasta muy viejas y buscó firmas moleculares que pueden predecir la edad. Desarrollar una mejor comprensión de los procesos biológicos del envejecimiento podría eventualmente ayudar a abordar las condiciones de salud que son más comunes en la vejez, como las enfermedades cardíacas y la demencia.

"Este experimento fue diseñado para determinar si existen firmas moleculares del envejecimiento en todo el rango de la vida humana", dice el coautor principal. Saket Navlajá, profesor asistente en el Laboratorio de Biología Integrativa de Salk. “Queremos desarrollar algoritmos que puedan predecir el envejecimiento saludable y el envejecimiento no saludable, y tratar de encontrar las diferencias”.

"El estudio proporciona una base para abordar cuantitativamente cuestiones no resueltas sobre el envejecimiento humano, como la tasa de envejecimiento en momentos de estrés", dice el profesor. Martín Hetzer, coautor principal, así como vicepresidente y director científico de Salk.

Los investigadores se centraron en un tipo de célula de la piel llamada fibroblastos dérmicos, que generan tejido conectivo y ayudan a que la piel sane después de una lesión. Eligieron este tipo de células por dos razones: primero, las células son fáciles de obtener con una simple biopsia de piel no invasiva; segundo, estudios anteriores indicaron que es probable que los fibroblastos contengan señales de envejecimiento. Esto se debe a que, a diferencia de la mayoría de los tipos de células que se renuevan por completo cada pocas semanas o meses, un subconjunto de estas células permanece con nosotros toda la vida.

Los investigadores analizaron fibroblastos tomados de 133 individuos sanos con edades comprendidas entre 1 y 94 años. Para obtener una muestra representativa, el equipo estudió un promedio de 13 personas por cada década de edad. El laboratorio cultivó las células para que se multiplicaran, luego usó un método llamado secuenciación de ARN (RNA-Seq) para buscar biomarcadores en las células que cambian a medida que las personas envejecen. RNA-Seq utiliza tecnologías de secuenciación profunda para determinar qué genes están activados en ciertas células. Usando algoritmos personalizados de aprendizaje automático para ordenar los datos de RNA-Seq, el equipo encontró ciertos biomarcadores que indican el envejecimiento y pudo predecir la edad de una persona con menos de ocho años de error en promedio.

“Tomamos un enfoque de 'fregadero de cocina' con este proyecto”, dice el primer autor Jason Fleischer, becario postdoctoral de Salk. “En lugar de entrar en esta investigación con una idea de lo que queríamos encontrar, decidimos observar los cambios en la expresión de todos los genes que codifican proteínas y dejar que los algoritmos lo solucionen. Usamos lo que se llama un método conjunto de aprendizaje automático para hacer esto”.

El análisis del equipo de Salk fue diferente de los enfoques anteriores adoptados por otros laboratorios para estudiar el envejecimiento biológico. La mayoría de los estudios anteriores se centraron en los cambios en solo unos pocos sitios de metilación del ADN, en lugar de observar los cambios de expresión en todo el genoma. El conjunto de datos también era mucho más grande que cualquier investigación de este tipo que se haya hecho antes, porque incluía a muchas personas que representaban un rango de décadas. Los investigadores han hecho públicos los datos para que otros investigadores puedan utilizarlos.

Para validar el algoritmo, el equipo también utilizó fibroblastos de 10 pacientes con progeria, una enfermedad genética caracterizada por un envejecimiento acelerado. Según el análisis de las firmas moleculares de estos pacientes, cuyas edades oscilaban entre los dos y los ocho años, el modelo predijo que serían aproximadamente una década mayores que su edad natural.

“El hecho de que nuestro sistema pueda predecir este tipo de envejecimiento muestra que este modelo está comenzando a llegar a las verdaderas bases de la edad biológica”, dice Fleischer.

Aunque este estudio descubrió biomarcadores relacionados con la edad, los investigadores enfatizan que el hecho de que algo prediga el envejecimiento no significa que sea la causa del envejecimiento. Sin embargo, mientras tanto, si se validan los hallazgos, los médicos podrían usar este tipo de análisis para determinar cuándo comenzar a evaluar a sus pacientes en busca de afecciones relacionadas con la edad y asesorarlos sobre opciones de estilo de vida saludables.

Es necesario realizar más investigaciones antes de que se puedan desarrollar tratamientos preventivos. Uno de los próximos pasos de esta investigación será buscar estas firmas en otros tipos de células.

“El envejecimiento es un motor de muchas enfermedades, incluido el Alzheimer y otros problemas neurológicos”, concluye Navlakha. "Si podemos demostrar que los cambios que hemos visto en los fibroblastos están relacionados con el envejecimiento en otros tipos de células, eventualmente podremos usar estas firmas para desarrollar intervenciones específicas".

Otros investigadores del artículo fueron Roberta Schulte, Hsiao H. Tsai, Swati Tyagi, Maxim N. Shokhirev y Ling Huang de Salk; y Arkaitz Ibarra de Molecular Stethoscope, Inc.

Este trabajo fue financiado por una subvención del Premio de Investigación Transformativa de los Institutos Nacionales de Salud (R01 NS096786), la Fundación Keck, la Fundación NOMIS, el Instituto Nacional sobre Sordera y Otros Trastornos de la Comunicación de los Institutos Nacionales de Salud (1R01DC017695) y Pew Charitable Fideicomisos.