Human aging reflects increases in entropy across organ networks
Notice bibliographique
Résumé
Summary Aging involves diminished homeostatic control and changes in individual biomarker levels/states. However, it is unknown whether these alterations reflect a rise in entropy during the aging process, and whether entropy disrupts broad systemic interrelationships 1–4 . The entropy of human aging has not been well characterized, but measures of systemic entropy could reveal aging dynamics that may not be apparent even by integration of state-based aging metrics 5–7 . Here, we leverage the Distance of Covariance (DISCO), which quantifies entropy in large ensembles of biological information, to demonstrate that organs and systems exhibit interconnected increased entropy with age. We validate DISCO on multiple data substrates (clinical biomarkers, proteomics, metabolomics, and microbiomes) in five cohort datasets: UK BioBank, National Health and Nutrition Examination Survey, and three Chinese cohorts of older adults. DISCO consistently outperforms mortality prediction of existing metrics of dysregulation and is comparable to the best-in-class epigenetic clocks. It also strongly predicts frailty and incidence of age-related chronic conditions. Crucially, organ- and system-specific DISCO scores derived from circulating proteomics demonstrate broad predictive power with little to no specificity of a given organ predicting its own diseases and mortality. Network analysis of organ- and system-specific DISCO shows that more central, connected organ DISCOs predict health outcomes more strongly. For example, for each mortality cause, brain entropy is one of the strongest predictors. These findings challenge current notions of independent organ-specific aging signatures 8–10 , suggesting instead that while pathology may be organ-specific, entropy spills readily across systems, and thus conversely that health during aging requires integrated homeostatic coordination across multiple systems.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».