Старение начнут предсказывать по 26 биомаркерам
Одним из последствий роста средней продолжительности жизни в XX веке стало демографическое старение населения. При этом известно, что в зависимости от средовых, наследственных и эпигенетических факторов процессы биологического старения у отдельных индивидов протекают по-разному. Поэтому ученые ищут универсальные способы повышать качество жизни пожилых людей.
В свою очередь, профилактика старения требует единой модели, которая помогла бы оценить динамику увядания организма по ряду критериев. Прошлые работы показали, что такими критериями могут быть биомаркеры, связанные с уровнем физической активности, анаболизмом и иммунным ответом. Однако ни один из них и все они в комплексе не позволяют охватить процесс полностью.
Чтобы восполнить пробел, ученые из Бостонского университета и других вузов проанализировали данные о 4704 людях в возрасте от 30 до 110 лет. В выборку вошли, в частности, сиблинги (30 процентов), их потомки (50 процентов) и супруги (20 процентов). С помощью алгоритма кластеризации образцы крови испытуемых изучались на наличие биомаркеров, связанных со старением.
На первом этапе авторы выделили 40, а затем - 26 и 19 таких биомаркеров. Среди них: рост C-реактивного белка (hsCRP), рост интерлейкина-6 (IL-6), рост относительной ширины распределения эритроцитов по объему (RDW), снижение альбуминов, рост или снижение общего холестерина и другие. Средний профиль старения стабильно повторялся примерно у половины участников.
Однако у ряда испытуемых уровень некоторых биомаркеров указывал на значительные отклонения от нормы, связанные с конкретными заболеваниями. Например, один из образцов оказался ассоциирован с деменцией, тогда как два других, напротив, - со старением без болезней пожилого возраста или без аномалий сердечно-сосудистой системы, характерных для старения.
По мнению авторов, предложенная модель является дополнением к существующим методам оценки. Потенциально с ее помощью врачи смогут своевременно выявлять осложнения, связанные со старением организма, например инсульт или сахарный диабет, и предлагать человеку меры их профилактики. Кроме того, ученые отмечают, что эта работа подчеркивает пользу больших данных для медицины.
