Bluteest käyttää proteiinikelloa ennustaakseen Alzheimerin riskiä ja muita sairauksia.

Bluteest käyttää proteiinikelloa ennustaakseen Alzheimerin riskiä ja muita sairauksia.
"kello", joka perustuu noin 200 veressä olevaan proteiiniin, voi ennustaa 18 kroonisen sairauden riskin, mukaan lukien sydänsairaudet , krebs, diabetes ja Alzheimerin tauti .
Kellon tarkkuus ehdottaa mahdollisuutta kehittää yksi testi, joka voisi kuvata ihmisen riskiä monien kroonisten sairauksien suhteen, sanoo Austin Argentieri -projektin vanhempi tutkija, Bostonin Massachusettsin yleissairaalan väestöterveyden tutkija. "Viime kädessä halu elää pidempään johtaa kroonisten sairauksien estämiseen", hän sanoo. Tutkimus julkaistiin 8. elokuuta.
hyvin ikäinen
Argentieri ja hänen kollegansa yrittivät rakentaa ”kelloa”, joka heijastaisi tarkalleen ihmisen taudin asemaa. Tätä varten he käyttivät tietoja 45 441 satunnaisesti valituista ihmisistä UK Biopank, biolääketieteellisten näytteiden arkisto . Tämä otoskoko on noin 30 kertaa suurempi kuin aikaisemmassa proteiinikellotutkimuksessa käytetty, mikä tekee siitä tilastollisesti merkityksellisemmän.
Ryhmä havaitsi, että 204 proteiinin tasot ennustavat kronologisen iän. On huomionarvoista, että kirjoittajat loivat toisen kello, joka käytti vain 20 merkityksellistä proteiinia ja että se ennusti ikän melkein samoin kuin 204 -proteiinikelloa. 20 proteiiniin sisältyivät elastiinia ja kollageenia, jotka muodostavat tukirakenteen solujen välillä, samoin kuin proteiineja, jotka osallistuvat immuunivasteeseen ja hormonien säätelyyn.
Kello sanoi myös, että kronologinen ikä kahdessa muussa ihmisryhmässä: Lähes 4000 Bioank -avustajaa Kiinassa ja lähes 2000 Bioank -avustajaa Suomessa. Varhaisen proteiinin varhainen Tutkijat sanovat homogeeniset väestöt.
Ikä, joka mitattiin proteiinikellolla, mitattiin yleensä samanlainen kuin kronologinen ikä. Mutta joidenkin ihmisten kanssa näiden kahden välillä oli ristiriita - mikä osoittaa, että proteiinitasot muuttuvat sairauden kehittyessä. Ihmiset, joiden proteiinin kello-ikä oli korkeampi kuin heidän kronologinen ikä, ja suurempi todennäköisyys 18 kroonista sairautta, mukaan lukien Muiden ihmisten proteiinit ikääntyvät hitaammin kuin keskimäärin. On epäselvää, johtuuko tämä ympäristötekijöistä, genetiikasta vai sen yhdistelmästä. Argentieri sanoo, että 10 prosentilla tutkimuksen osallistujista, jotka olivat "hitainta ikääntymistä", "alle 1 prosentilla kehittyi dementia tai Alzheimerin".
kääntää kelloa takaisin?
Tutkimuksen vahvuudet sisältävät heidän suuren tietorekisterinsä ja heidän onnistuneen replikaationsa erilaisissa populaatioissa, sanoo molekyyliepidemiologi Sara Hägg Karolinska -instituutissa Tukholmassa. "Se on erittäin vankka tutkimus", hän sanoo.
Argentieri ja hänen kollegansa haluavat lisätä maantieteellistä ja geneettistä monimuotoisuutta harjoittelutietoihinsa. Rajoittava tekijä, Argentieri sanoo, on proteiinitietojen puute biopankkeissa, joilla on erilaisia populaatioita. Kirjoittajat tutkivat myös proteiinikellonsa käyttöä testatakseen, estävätkö uudet lääketieteelliset hoidot ikään liittyvän kärsimyksen "tarvitsematta odottaa vuosikymmentä tai kaksi nähdäkseen, kehittääkö joku kroonista sairautta", Argentieri sanoo.
Lopuksihe etsivät ympäristö- ja käyttäytymistekijöitä, jotka vaikuttavat siihen, kuinka nopeasti proteiinit ikääntyvät kehossa. "OK, voit kertoa minulle tulevasta riskistäni 18 eri sairauteen", Argentieri sanoo. "Mutta voinko tehdä jotain tämän kurssin muuttamiseksi?"
-
Ra
Argenerieri, M. A. et ai. Nature Med . https://doi.org/10.1038/S41591-024-03164-7 (2024).
artikkeli PubMed data-track = "napsauta | Scholar Reference "data-track-arvo =" Google Scholar Reference "data-track-label =" link "data-track-item_id =" nofollow nopener "aria-label =" Google Scholar Reference 1 "Href = "http://scholar.google.com/scholar_lookup?&title=nature%20med&doi=10.1038%2FS41591-03164-7&publication_year=2024&author=argentieri%20A."
RaVoi, H. S. et ai. luonto 624 , 164–172 (2023).
artikkeli PubMed data-track = "napsauta || napsautus_referenssit" data-track-action = "Google Scholar Reference" data-track-value = "Google Scholar Reference" Data-track-label = "Link" data-track-nitem_id = "Nofollow NoOpener" aria-label = "Google Scholar 2" "http://scholar.google.com/scholar_lookup?&title=&journal=nature&doi=10.1038%2FS 41586-023-06802-1 & volyymi = 624 & sivut = 164-172 & julkaisu_year = 2023 & kirjoittaja = OH%2ch." Google Scholar