A Blutest a Protein Watch segítségével előre jelezheti Alzheimer kockázatát és más betegségeket.

A Blutest a Protein Watch segítségével előre jelezheti Alzheimer kockázatát és más betegségeket.
A vérben mintegy 200 fehérjén alapuló "órás" megjósolja a 18 krónikus betegség kockázatát, beleértve a Szívbetegségek , Krebs, Diabetes és Alzheimer-kór .
Az óra pontossága arra utal, hogy egyetlen teszt kidolgozására szolgál, amely leírhatja az ember sok krónikus betegség kockázatát - mondta az Austin Argentieri projekt vezető tudósának, a bostoni Massachusettsi Kórház népesség -egészségének kutatója. "Végül az a vágy, hogy hosszabb ideig éljenek, a krónikus betegségek megelőzéséhez vezetnek" - mondja. A tanulmányt augusztus 8-án tették közzé a Nature Medicine
jól érlelt
A Chronolicy Age oMe oMe oMe oMe oMe of Cronolicy/d41586-024-00843-W" Data-track-Coataly Text Link "> A Chronicle Age oMe oMa. A sok életkorú betegség kockázatának meghatározása szempontjából elengedhetetlen.
Argentieri és kollégái megpróbáltak olyan „órát” felépíteni, amely pontosan tükrözi az ember betegségét. Ehhez 45,441 véletlenszerűen kiválasztott ember adatait használták a UK Biobank, az orvosbiológiai minták tárolója . Ez a minta mérete körülbelül 30 -szor nagyobb, mint egy korábbi Protein Watch -vizsgálatban, ami statisztikailag értelmesebbé teszi. A csoport megállapította, hogy a 204 fehérjék szintje előrejelzi a kronológiai életkorot. Figyelemre méltó, hogy a szerzők egy második órát készítettek, amely csak a 20 legfontosabb fehérjét használt, és hogy szinte megjósolta az életkorot, mint a 204 fehérje órát. A 20 fehérjék között volt az elasztin és a kollagén, amelyek képezik a sejtek közötti tartószerkezetet, valamint olyan fehérjéket, amelyek részt vesznek az immunválaszban és a hormonszabályozásban. Az óra azt is mondta, hogy két másik embercsoport kronológiai életkora: közel 4000 közreműködő a kínai bioankhoz és közel 2000 közreműködő a finn bioankhoz. Korai Protuse Watches; Homogén populációk, mondják a kutatók. A protein órával mért életkorát általában a kronológiai életkorhoz hasonlóan mértük. Néhány embernél azonban eltérés volt a kettő között - ami azt jelzi, hogy a fehérje szintje megváltozik, amikor egy betegség kialakul. People whose protein clock age was higher than their chronological age, with a greater probability of 18 chronic diseases, including Cukorbetegség , neurodegeneratív betegségek, rák, valamint a szív, a máj, a vese és a tüdő életkora is.
Más emberek fehérjéi lassabban öregednek, mint az átlag. Nem világos, hogy ennek oka a környezeti tényezők, a genetika vagy annak kombinációja. A tanulmányban résztvevők 10% -ának, amelyek "a leglassabb öregedés" volt, az Argentieri szerint "kevesebb, mint 1% -uk alakult ki a demencia vagy az Alzheimer -ek". A tanulmány erősségei között szerepel a nagyszerű adatrekordjaik és a sikeres replikációjuk a különböző populációkban - mondja Sara Hägg molekuláris epidemiológus a stockholmi Karolinska Intézetben. "Ez egy nagyon robusztus tanulmány" - mondja. Argentieri és kollégái további földrajzi és genetikai sokféleséget akarnak hozzáadni képzési adataikhoz. A korlátozó tényező, az Argentieri szerint, a fehérjeadatok hiánya a különféle populációkkal rendelkező biobankokban. A szerzők azt is megvizsgálják, hogy a fehérje órájuk felhasználását annak megvizsgálására is megvizsgálják, hogy az új orvosi kezelések elkerülik-e az életkorral összefüggő szenvedést, anélkül, hogy egy vagy két évtizedet kellene várni, hogy megnézhessék, vajon valaki krónikus betegséget alakít ki-e "-mondja Argentieri. olyan környezeti és viselkedési tényezőket keresnek, amelyek befolyásolják a fehérjék életkorát a testben. "Oké, elmondhatod nekem a 18 különféle betegség jövőbeli kockázatát" - mondja Argentieri. "De tehetek valamit a kurzus megváltoztatására?" Fordítsa vissza az órát?
-
Argentieri, M. A. et al. Nature Med . https://doi.org/10.1038/S41591-024-03164-7 (2024).
Cikk Cikk PubMed data-track = "kattintás || click_references" Data-Track-Action = "Google Scholar Reference" Data-Track-Value = "Google Scholar Reference" Data-Track-Label = "Link" Data-Track-entem_id = "Nofollow Noopener" ARIA-Label = "Google Scholar referencia 1" Href = "Href =" Href = "Href = "http://scholar.google.com/scholar_lookup?&title=Nature%20Med&doi=10.1038%2FS41591-03164-7&publication_year=2024&author=argentieri%20a."
-
ó, H. S. et al. természet 624 , 164–172 (2023).
Cikk PubMed data-track = "kattintás || click_references" Data-Track-Action = "Google Scholar Reference" Data-Track-Value = "Google Scholar Reference" Data-Track-Label = "Link" Data-Track-Item_id = "Nofollow Noopener" ARIA-Label = "Google Scholar Reference" "http://scholar.google.com/scholar_lookup?&title=&journal=Nature&doi=10.1038%2FS 41586-023-06802-1 & kötet = 624 & oldal =