MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416108944 · doi:10.1101/2025.11.09.687483

The blood proteome predicts the impact of circulating factors on age-related mitochondrial health

2025· preprint· en· W4416108944 sur OpenAlexaff
Stephanie Heimler, Jaclyn Bergstrom, Nina Sun, Toshiko Tanaka, Ann Zenobia Moore, Julián Candia, Brian H. Chen, Qu Tian, Arsun Bektas, Giovanna Fantoni, Christopher Dunn, Mary Kaileh, Ranjan Sen, Luigi Ferrucci, Anthony Molina

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensInstitute of Aging
Organismes subventionnairesWellcome Leap
Mots-clésProteomeSignature (topology)BioenergeticsEpigeneticsProteomicsHuman healthBiomarker

Résumé

récupéré en direct d'OpenAlex

Circulating non-cellular factors, such as plasma proteins, contribute to various features of aging. To determine the impacts of endogenous circulating factors on human age-related bioenergetic decline, we treated primary human fibroblasts with serum samples representing the adult life-course. Our results demonstrate that the maximal mitochondrial bioenergetic capacity of fibroblasts treated with serum is negatively correlated with the chronological and epigenetic age of the serum donor. Using targeted proteomics, we identified plasma proteins associated with the bioenergetic effects of serum. We then utilized elastic net, a linear regression modeling technique, to derive a novel proteomic signature of age-related mitochondrial differences. MitoAge is a 25-protein signature of age-related mitochondrial health that predicts the systemic bioenergetic effects of circulating factors and is related to differences in physical function across human aging. Signatures that report on cellular hallmarks of aging, such as mitochondrial function, represent a new generation of mechanistically-informed biomarkers of biological aging. GRAPHICAL ABSTRACT: In this study, we describe the development of a novel proteomic signature, MitoAge. This signature was developed by utilizing human primary fibroblasts treated with serum samples representing the adult human life-course and analyzing how resulting respirometry correlated with chronological age, epigenetic age, and abundance of serum proteins. Utilizing machine learning techniques, we derived a 25-protein signature which can predict bioenergetics and physical features related to aging. Application and utility of this signature may be used to identify novel drivers of health and longevity.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetGenetics, Aging, and Longevity in Model Organisms→Travaux en français237 207→