A toolkit for quantification of biological age from blood-chemistry and organ-function-test data: BioAge
Notice bibliographique
Résumé
Abstract Methods to quantify biological aging are emerging as new measurement tools for epidemiology and population science and have been proposed as surrogate measures for healthy lifespan extension in geroscience clinical trials. Publicly available software packages to compute biological aging measurements from DNA methylation data have accelerated dissemination of these measures and generated rapid gains in knowledge about how different measures perform in a range of datasets. Biological age measures derived from blood chemistry data were introduced at the same time as the DNA methylation measures and, in multiple studies, demonstrate superior performance to these measures in prediction of healthy lifespan. However, their dissemination has been slow by comparison, resulting in a significant gap in knowledge. We developed a software package to help address this knowledge gap. The BioAge R package, available for download at GitHub ( http://github.com/dayoonkwon/BioAge ), implements three published methods to quantify biological aging based on analysis of chronological age and mortality risk: Klemera-Doubal Biological Age, PhenoAge, and homeostatic dysregulation. The package allows users to parametrize measurement algorithms using custom sets of biomarkers, to compare the resulting measurements to published versions of the Klemera-Doubal method and PhenoAge algorithms, and to score the measurements in new datasets. We applied BioAge to safety lab data from the CALERIE™ randomized controlled trial, the first-ever human trial of long-term calorie restriction in healthy, non-obese adults, to test effects of intervention on biological aging. Results contribute evidence that CALERIE intervention slowed biological aging. BioAge is a toolkit to facilitate measurement of biological age for geroscience.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».