MétaCan
Menu
Retour à la cohorte
Enregistrement W4390788175 · doi:10.1093/gerona/glae021

Dynamical Network Stability Analysis of Multiple Biological Ages Provides a Framework for Understanding the Aging Process

2024· article· en· W4390788175 sur OpenAlexafffund
Glen Pridham, Andrew D. Rutenberg

Notice bibliographique

RevueThe Journals of Gerontology Series A · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProcess (computing)Stability (learning theory)Computer scienceComputational biologyBiologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Widespread interest in nondestructive biomarkers of aging has led to a multitude of biological ages that each proffers a "true" health-adjusted individual age. Although each measure provides salient information on the aging process, they are each univariate, in contrast to the "hallmark" and "pillar" theories of aging, which are explicitly multidimensional, multicausal, and multiscale. Fortunately, multiple biological ages can be systematically combined into a multidimensional network representation. The interaction network between these biological ages permits analysis of the multidimensional effects of aging, as well as quantification of causal influences during both natural aging and, potentially, after anti-aging intervention. The behavior of the system as a whole can then be explored using dynamical network stability analysis, which identifies new, efficient biomarkers that quantify long-term resilience scores on the timescale between measurements (years). We demonstrate this approach using a set of 8 biological ages from the longitudinal Swedish Adoption/Twin Study of Aging (SATSA). After extracting an interaction network between these biological ages, we observed that physiological age, a proxy for cardiometabolic health, serves as a central node in the network, implicating it as a key vulnerability for slow, age-related decline. We furthermore show that while the system as a whole is stable, there is a weakly stable direction along which recovery is slow-on the timescale of a human lifespan. This slow direction provides an aging biomarker, which correlates strongly with chronological age and predicts longitudinal decline in health-suggesting that it estimates an important driver of age-related changes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,342
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series AMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207