MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414051255 · doi:10.1101/2025.09.07.25335188

Eight decades of follow-up link life course exposures to proteomic organ ageing and longevity

2025· preprint· en· W4414051255 sur OpenAlexfundno aff
Veronica Augustina Bot, Jennifer M. Nicholas, Amelia Farinas, Hamilton See-Oh, Sarah‐Naomi James, Andrew Wong, Josh King‐Robson, Nish Chaturvedi, Marcus Richards, Tony Wyss‐Coray, Jonathan M. Schott

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensnon disponible
Organismes subventionnairesUniversity College LondonUK Dementia Research InstituteNational Institute for Health and Care ResearchBritish Heart FoundationWeston Brain InstituteLifeArcBrain Research UKMedical Research CouncilAlzheimer's Association
Mots-clésAgeingLongevityLife course approachBiological ageLife expectancyOrgan system

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The pace of organ ageing varies substantially between individuals, yet drivers of variability remain poorly understood. This gap is critical, given only 20-30% of longevity is genetically inherited 1,2 and age-related diseases are leading causes of morbidity and mortality 3 . Proteomic clocks allow organ ageing to be estimated from blood sampling 4 , facilitating study of how life course exposures shape biological ageing heterogeneity. Here, we leverage the unique design of the MRC National Survey of Health and Development (NSHD), the world’s oldest continuously followed birth cohort, to track 1,803 individuals across eight decades since birth in 1946. At mean age 63.2 years, we estimated proteomic ageing in seven organs. Despite near identical chronological ages, participants’ proteomes revealed biological ageing disparities spanning decades. Extreme ageing in multiple organs was a strong prognostic indicator for all-cause mortality over the following 15 years (HR=6.62 for ≥ 4 extremely aged organs). Adversity and being overweight in adolescence associated with accelerated ageing decades later in life. Completing secondary school education and maintaining physical activity linked to relative biological youth. Mediation analyses indicated liver, kidney and immune ageing linked life course exposures to mortality. Across 10,776 plasma protein targets, we identified 143 predictors of longevity, including MED9, strongly linked to diverse socio-behavioural exposures. These findings provide unique insights into which factors are likely to shape how we age, when in life they may be influential, and how biological effects emerge, informing healthy ageing promotion.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,264
Écart entre enseignants0,250 · 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'étudeObservationnel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetGenetics, Aging, and Longevity in Model Organisms→Travaux en français237 207→