一种代谢年龄时钟的构建方法及其应用

摘要: 本技术涉及分子生物学及代谢年龄预测,特别是涉及一种代谢年龄时钟的构建方法及其应用。背景技术:1、人口老龄化已成为全球性的公共卫生挑战,因此需要一种能够量化与衰老...
一种代谢年龄时钟的构建方法及其应用

本技术涉及分子生物学及代谢年龄预测,特别是涉及一种代谢年龄时钟的构建方法及其应用。

背景技术:

1、人口老龄化已成为全球性的公共卫生挑战,因此需要一种能够量化与衰老相关的健康衰退异质性并在不可逆疾病发生前精准识别高危个体的评估工具。

2、实际年龄(chronological age)仍然是目前最广泛使用的衰老相关风险替代指标,并被公认为慢性病和死亡的主要危险因素。然而,实际年龄是一个不完美的衡量标准,因为同龄个体在生理弹性、代谢健康和疾病易感性方面可能存在巨大差异。相比之下,生物学年龄(biological age)反映了机体生理弹性和稳态维持能力的累积丧失,为评估个体的健康轨迹提供了更为精确地量度。代谢功能障碍是生物学衰老的核心驱动因素,涵盖了糖脂代谢紊乱、异位脂肪沉积、血流动力学调节异常以及慢性炎症等一系列相互交织的病理生理改变。这些改变与多系统功能衰退和重大慢性疾病密切相关。例如,2型糖尿病患者的生物学年龄平均比健康人群老12.02岁,这凸显了代谢健康对衰老进程的深远影响。

3、尽管生物学年龄能够提供系统性的健康概览,但该指标通常会掩盖代谢恶化过程在其中所起到的具体推波助澜作用。因此,精确定量具体的“代谢年龄”对于早期识别高危人群并及时实施靶向代谢干预具有至关重要的临床意义。

4、近年来,生物学衰老时钟的迅猛发展彻底改变了我们量化代谢衰老的能力,目前已经基于不同类别的生物学特征(包括临床参数、dna甲基化水平以及多种组学数据)构建了多种代谢年龄时钟,如一项利用循环代谢物的dna甲基化替代指标开发了dnam-代谢时钟,结果显示其年龄加速指标与糖尿病(优势比为1.18)和心血管疾病(优势比为1.14)的发病风险显著相关。尽管这些高级分子时钟提供了深刻的生物学见解,但是由于高昂的检测成本、复杂的实验室要求以及在基层医疗环境中有限的可及性,其广泛的临床转化应用仍受到极大制约。

5、为了提高模型的可推广性和真实世界适用性,近期的研究重点已转向基于常规临床生物标志物推导的生物学年龄评估模型,通过整合具有明确生物学和病理生理学意义的特征指标,这些模型在临床环境中具备更强的可解释性与实操性。

6、在量化代谢年龄方面,cardio-metage是一个典型代表,它利用了12种临床生物标志物,并在预测心脏代谢结局方面表现出良好的效能。然而,与大多数现有的临床生物学年龄时钟一样,cardio-metage是以“死亡率”作为变量筛选的主要锚点来开发的,这种设计反映了单一结局的导向,而实际上,代谢功能障碍是沿着一条演变轨迹不断发展的:从早期的代谢异常,发展到代谢功能障碍、重大临床事件,最终走向死亡。仅以单一终末终点为锚点构建的时钟是否能够充分捕捉这整条演变轨迹的全貌,目前尚不清楚。

7、因此,临床上需要一种低成本、易推广、可解释的代谢年龄计算方法,能够从代谢退化连续谱的多个阶段中提取稳定相关的核心指标,既反映早期代谢异常,也能关联器官损伤、重大临床事件、死亡风险以及治疗后的代谢恢复状态。

技术实现思路

1、本发明的目的是为了克服现有技术的上述不足,提供一种代谢年龄时钟的构建方法及其应用。

2、本发明的第一目的在于提供一种代谢年龄时钟的构建方法。

3、本发明的第二目的在于提供上述构建方法构建得到的代谢年龄时钟。

4、本发明的第三目的在于提供一种代谢年龄时钟。

5、本发明的第四目的在于提供上述代谢年龄时钟在计算待测样本的代谢年龄中的应用。

6、本发明的第五目的在于提供上述代谢年龄时钟在预测待测样本的生存风险中的应用。

7、本发明的第六目的在于提供一种用于预测待测样本的生存风险的模型。

8、为了实现上述目的,本发明是通过以下方案予以实现的:

9、本发明请求保护一种代谢年龄时钟的构建方法,包括以下步骤:

10、s1.获取训练集中各样本的实际年龄以及生物标志物水平;所述生物标志物包括性别、空腹血糖和血清肌酐;

11、s2.以训练集中各样本的实际年龄作为回归模型的输入,结合各样本的生存结局进行拟合,得到基线回归模型,并提取年龄回归系数;所述生存结局为存活或死亡;

12、s3.以训练集中各样本的实际年龄和生物标志物水平作为回归模型的输入,以各样本的死亡风险作为预测目标,结合训练集中各样本的生存结局进行训练,得到训练完成的回归模型,并得到各生物标志物的回归系数,按照公式i计算得到各生物标志物的年龄等效权重;所述生存结局为存活或死亡;

13、公式i:ki=βi/βage;其中ki为第i个生物标志物的年龄等效权重;βi为第i个生物标志物的回归系数;βage为步骤s2得到的年龄回归系数;

14、s4.基于步骤s2得到的基线回归模型和步骤s3得到的训练完成的回归模型,结合基线回归模型和训练完成的回归模型结合训练集进行校准,得到校准常数c;

15、s5.构建得到公式ii所示代谢年龄时钟计算公式;

16、公式ii:;

17、其中metage为代谢年龄;ca为待测样本的实际年龄;c为步骤s4计算得到的校准常数c;ki为步骤s3中计算得到的各生物标志物的年龄等效权重,xi为各生物标志物的检测水平值。

18、优选地,步骤s1中所述生物标志物包括性别、空腹血糖、血清白蛋白、血清肌酐、收缩压和腰围。

19、优选地,步骤s2和步骤s3中所述回归模型为gompertz模型、lasso模型或cox模型。

20、更优选地,所述回归模型为gompertz模型。

21、优选地,步骤s3中结合训练集中各样本进行训练后,还需要结合验证集样本进行验证。

22、其中训练集样本和验证集样本均属于美国国家健康与营养检查调查(nhanes)队列中的样本。

23、优选地,步骤s4中所述校准具体为:对于基线gompertz模型和训练完成的多变量gompertz模型,添加校准常数c将训练完成的多变量gompertz模型对训练集中样本预测的死亡风险校准至基线gompertz模型对训练集中样本预测的死亡风险。

24、本发明还请求保护上述任一所述构建方法构建得到的代谢年龄时钟。

25、本发明还请求保护一种代谢年龄时钟,通过上述任一所述构建方法构建得到。

26、优选地,所述代谢年龄时钟如公式iii或公式iv所示;

27、公式iii:metage=ca-3.77838904×sex+0.847352×fpg+0.044849×sbp+-0.812898×lbdsalsi+0.045104×wc+9.722444×ln(lbdscrsi)-17.834859;

28、其中metage为代谢年龄;ca为待测样本的实际年龄;sex为待测样本的性别,男性为0,女性为1;fpg为待测样本的空腹血糖的检测水平,单位为mm;sbp为待测样本的收缩压的检测水平;lbdsalsi为待测样本的血清白蛋白的检测水平;wc为待测样本的腰围;lbdscrsi为待测样本的血清肌酐的检测水平;-17.834859为校准常数c;

29、公式iv:light-metage=ca-18.483-4.7604×sex+0.9761×fbg+3.8494×ln(scr);

30、其中light-metage为代谢年龄;ca为待测样本的实际年龄;-18.483为校准常数c;sex为待测样本的性别,男性为0,女性为1;fbg为待测样本的空腹血糖的检测水平,单位为mm;scr为待测样本的血清肌酐的检测水平。

31、其中公式iii计算得到的代谢年龄能够用于预测待测样本的糖尿病、全身性肥胖和/或慢性肾脏病等心血管相关疾病和内分泌与代谢疾病的发病风险,代谢衰老加速(即公式iii计算得到的代谢年龄大于实际年龄)个体中发生不良结局的风险更高,即发病风险更高,在临床上需更加注意定时监测;

32、同时公式iii计算得到的代谢年龄还能够用于预测待测患者的死亡风险,其中代谢衰老加速更多(即公式iii计算得到的代谢年龄与实际年龄的差值更大)的待测样本,死亡风险率显著更高;

33、公式iv所示结合4个指标(实际年龄、性别、空腹血糖和血清肌酐)计算得到的代谢年龄为代谢年龄,结合公式iv计算得到的代谢年龄在针对2型糖尿病患者的治疗干预后疗效应答预测中,未缓解患者(即治疗干预后,前3个月的fpg≥7.0mmol/lhuo随访的3~12个月期间hba1c≥6.5%)的代谢年龄显著高于缓解患者(治疗干预后,糖化血红蛋白维持在标准水平)。

34、因此本发明还请求保护上述任一所述的代谢年龄时钟在计算待测样本的代谢年龄中的应用。

35、本发明还请求保护上述任一所述的代谢年龄时钟在预测待测样本的生存风险中的应用;所述生存风险包括发病风险、死亡风险和/或治疗干预后疗效应答水平;

36、所述发病风险为心血管相关疾病和内分泌与代谢疾病的发病风险;

37、所述治疗干预后疗效应答水平为糖尿病患者治疗干预后的疗效应答水平。

38、利用上述任一所述的代谢年龄时间计算得到的待测样本的代谢年龄后,待测样本的代谢年龄与待测样本的实际年龄的差值越大,待测样本的死亡风险越高。

39、优选地,所述心血管相关疾病和内分泌与代谢疾病为糖尿病、全身性肥胖或慢性肾脏病。

40、利用公式iii所示计算得到待测样本的代谢年龄后,待测样本的代谢年龄与待测样本的实际年龄的差值每增加1岁,待测样本的心血管相关疾病和内分泌与代谢疾病的发病风险增加28%。

41、优选地,所述糖尿病患者为2型糖尿病患者。

42、优选地,所述治疗干预为胰岛素强化治疗。

43、其中疗效应答水平为糖尿病患者在接受治疗干预后缓解或未缓解。

44、利用公式iv所示计算得到待测样本的代谢年龄后,待测样本的代谢年龄越大,治疗干预后疗效应答水平越差。

45、本发明还请求保护一种用于预测待测样本的生存风险的模型,包括数据获取模块、计算模块、预测模块和结果输出模块;

46、所述数据获取模块用于获取待测样本的实际年龄与生物标志物水平;所述生物标志物包括性别、空腹血糖和血清肌酐;

47、所述计算模块将数据获取模块获取的实际年龄和生物标志物水平输入到上述任一所述的代谢年龄时钟中,得到待测样本的代谢年龄;

48、代谢年龄>实际年龄,待测样本为代谢衰老加速样本;代谢年龄=实际年龄,待测样本为年龄匹配样本;代谢年龄<实际年龄,待测样本为代谢衰老减缓样本;

49、所述预测模块将代谢衰老加速样本判断为高生存风险样本,将代谢衰老减缓样本判断为低生存风险样本;

50、所述结果输出模块用于将预测模块的结果输出。

51、优选地,数据获取模块中所述生物标志物包括空腹血糖、血清白蛋白、血清肌酐、收缩压和腰围。

52、优选地,所述生存风险包括发病风险、死亡风险和/或治疗干预后疗效应答水平;

53、所述发病风险为心血管相关疾病和内分泌与代谢疾病的发病风险;

54、所述治疗干预后疗效应答水平为糖尿病患者治疗干预后的疗效应答水平。

55、更优选地,所述心血管相关疾病和内分泌与代谢疾病为糖尿病、全身性肥胖或慢性肾脏病。

56、更优选地,所述糖尿病患者为2型糖尿病患者。

57、更优选地,所述治疗干预为胰岛素强化治疗。

58、更优选地,所述生存风险为发病风险时,计算模块中的代谢年龄时钟如公式iii所示;公式iii所示代谢年龄时钟计算得到的待测样本的代谢年龄>待测样本的实际年龄,待测样本为高发病风险样本;待测样本的代谢年龄<待测样本的实际年龄,待测样本为低发病风险样本。

59、更优选地,所述生存风险为死亡风险时,计算模块中的代谢年龄时钟如公式iii所示;公式iii所示代谢年龄时钟计算得到的待测样本的代谢年龄>待测样本的实际年龄,待测样本为高死亡风险样本;待测样本的代谢年龄<待测样本的实际年龄,待测样本为低死亡风险样本。

60、更优选地,所述生存风险为治疗干预后疗效应答水平时,计算模块中的代谢年龄时钟如公式iv所示;

61、公式iv所示代谢年龄时钟计算得到的待测样本的代谢年龄越低,治疗干预后疗效应答水平越优。

62、进一步优选地,所述治疗干预后疗效应答水平为治疗干预一年后的疗效应答水平。

63、与现有技术相比,本发明具有以下有益效果:

64、本发明提供了一种代谢年龄时钟的构建方法,并提供了利用该构建方法构建得到的代谢年龄时钟,只需要结合待测样本的实际年龄和生物标志物水平即可计算得到待测样本的代谢年龄。所述代谢年龄时钟提供了一个易于临床获取且具备高度生物学可解释性的评估框架,通过整合在多终点代谢衰退演变轨迹中持续发挥作用的临床生物标志物,进而计算得到代谢年龄,能够用于预测待测样本的糖尿病、全身性肥胖和/或慢性肾脏病等心血管相关疾病和内分泌与代谢疾病的发病风险。