eLife Assessment: Social and environmental predictors of gut microbiome age in wild baboons
Notice bibliographique
Résumé
As we age, our bodies undergo a variety of physical changes. However, the pace at which these changes occur (known as our biological age) often does not reflect the number of years we’ve lived (known as our chronological age). Various markers have been proposed to predict biological age, including the composition of bacteria living in the gut. Which bacterial species reside in the gut is influenced by multiple factors, such as diet, living conditions and social interactions. This makes the microbiome unique to each individual, and potentially a rich indicator of age-related processes. To explore this idea, Dasari et al. studied a large dataset containing thousands of gut microbiome samples from almost 500 wild baboons, collected over 14 years. Several machine learning algorithms were applied to the data to estimate the ‘microbiome age’ of each individual. Dasari et al. found that these estimates correlated well with the baboons’ chronological ages, and mirrored known patterns of biological aging, such as male baboons aging faster than females. Environmental and social factors – such as a baboon’s social rank within a group – also influenced the relationship between chronological and biological age. During the dry season, for instance, female baboons had a higher microbiome age compared to their actual age, and baboons with low social status had a lower microbiome age than expected. Although life expectancy has steadily increased over the last century, our healthspan (the period of life spent in good health) has not kept pace with it. Understanding how our bodies age is key to prolonging healthspan. The findings of Dasari et al. suggest that the gut microbiome is a good predictor of biological age, and future work investigating this relationship could provide valuable clues for slowing down the aging process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».