A idade é mais do que apenas um número: o aprendizado de máquina pode prever se você terá uma velhice saudável

A idade é mais do que apenas um número: o aprendizado de máquina pode prever se você terá uma velhice saudável

LA JOLLA—Os médicos há muito observam que a idade biológica e a idade cronológica nem sempre são a mesma coisa. Uma pessoa de 55 anos pode exibir muitos sinais de velhice e ter inúmeras doenças relacionadas à idade, enquanto uma pessoa de 80 anos pode ser saudável e robusta. Embora a dieta, a atividade física e outros fatores desempenhem um papel, existem muitos contribuintes para explicar por que e como algumas pessoas envelhecem melhor do que outras. Esses colaboradores permanecem mal compreendidos.

Para um estudo publicado em 19 de dezembro de 2018 em Genoma Biologia, uma equipe colaborativa do Salk Institute analisou células da pele desde muito jovens até muito velhas e procurou por assinaturas moleculares que podem prever a idade. Desenvolver uma melhor compreensão dos processos biológicos do envelhecimento pode eventualmente ajudar a abordar condições de saúde mais comuns na velhice, como doenças cardíacas e demência.

“Este experimento foi projetado para determinar se existem assinaturas moleculares de envelhecimento em toda a extensão da vida humana”, diz o co-autor sênior Saket Navlakha, professor assistente no Laboratório de Biologia Integrativa de Salk. “Queremos desenvolver algoritmos que possam prever o envelhecimento saudável e o envelhecimento não saudável e tentar encontrar as diferenças”.

“O estudo fornece uma base para abordar quantitativamente questões não resolvidas no envelhecimento humano, como a taxa de envelhecimento durante períodos de estresse”, diz o professor martin hetzer, co-autor sênior, bem como vice-presidente e diretor de ciências da Salk.

Os pesquisadores se concentraram em um tipo de célula da pele chamada fibroblastos dérmicos, que geram tecido conjuntivo e ajudam a pele a cicatrizar após uma lesão. Eles escolheram esse tipo de célula por dois motivos: primeiro, as células são fáceis de obter com uma biópsia de pele simples e não invasiva; em segundo lugar, estudos anteriores indicaram que os fibroblastos provavelmente contêm assinaturas de envelhecimento. Isso ocorre porque, ao contrário da maioria dos tipos de células que mudam completamente a cada poucas semanas ou meses, um subconjunto dessas células permanece conosco por toda a vida.

Os pesquisadores analisaram fibroblastos retirados de 133 indivíduos saudáveis ​​com idades entre 1 e 94 anos. Para obter uma amostra representativa, a equipe estudou uma média de 13 pessoas para cada década de idade. O laboratório cultivou as células para se multiplicar e, em seguida, usou um método chamado sequenciamento de RNA (RNA-Seq) para procurar biomarcadores nas células que mudam à medida que as pessoas envelhecem. O RNA-Seq usa tecnologias de sequenciamento profundo para determinar quais genes são ativados em certas células. Usando algoritmos personalizados de aprendizado de máquina para classificar os dados do RNA-Seq, a equipe encontrou certos biomarcadores que indicam envelhecimento e foram capazes de prever a idade de uma pessoa com menos de oito anos de erro, em média.

“Adotamos uma abordagem de 'pia da cozinha' com este projeto”, diz o primeiro autor Jason Fleischer, um bolsista de pós-doutorado da Salk. “Em vez de entrar nesta pesquisa com uma ideia do que queríamos encontrar, decidimos observar as mudanças na expressão de todos os genes codificadores de proteínas e deixar que os algoritmos resolvessem isso. Usamos o que é chamado de método de aprendizado de máquina conjunto para fazer isso.”

A análise da equipe de Salk foi diferente das abordagens anteriores adotadas por outros laboratórios para estudar o envelhecimento biológico. A maioria dos estudos anteriores se concentrou em mudanças em apenas alguns locais de metilação do DNA, em vez de observar mudanças de expressão em todo o genoma. O conjunto de dados também era muito maior do que qualquer pesquisa desse tipo já feita antes, porque incluía muitas pessoas representando várias décadas. Os pesquisadores tornaram os dados públicos para que outros investigadores possam usá-los.

Para validar o algoritmo, a equipe também usou fibroblastos de 10 pacientes com progéria, doença genética caracterizada pelo envelhecimento acelerado. Com base na análise das assinaturas moleculares desses pacientes, com idades entre dois e oito anos, o modelo previu que eles teriam cerca de uma década a mais do que a idade do calendário.

“O fato de nosso sistema poder prever esse tipo de envelhecimento mostra que esse modelo está começando a chegar aos verdadeiros fundamentos da idade biológica”, diz Fleischer.

Embora este estudo tenha descoberto biomarcadores relacionados à idade, os pesquisadores enfatizam que só porque algo é preditivo do envelhecimento não significa que seja a causa do envelhecimento. Enquanto isso, no entanto, se as descobertas forem validadas, os médicos poderão usar esse tipo de análise para determinar quando começar a triagem de seus pacientes para condições relacionadas à idade e aconselhá-los sobre escolhas de estilo de vida saudável.

Mais pesquisas precisam ser feitas antes que qualquer tratamento preventivo possa ser desenvolvido. Um dos próximos passos dessa pesquisa será procurar essas assinaturas em outros tipos de células.

“O envelhecimento é um condutor de tantas doenças, incluindo Alzheimer e outros problemas neurológicos”, conclui Navlakha. “Se formos capazes de mostrar que as mudanças que vimos nos fibroblastos estão relacionadas com o envelhecimento em outros tipos de células, poderemos eventualmente usar essas assinaturas para desenvolver intervenções direcionadas”.

Outros pesquisadores no papel foram Roberta Schulte, Hsiao H. Tsai, Swati Tyagi, Maxim N. Shokhirev e Ling Huang de Salk; e Arkaitz Ibarra da Molecular Stethoscope, Inc.

Este trabalho foi financiado por uma concessão do National Institutes of Health Transformative Research Award (R01 NS096786), Keck Foundation, NOMIS Foundation, National Institute on Deafness and Other Communication Disorders of the National Institutes of Health (1R01DC017695) e Pew Charitable Confia.