Sci Adv | 激素代谢途径+深度神经网络，新AI模型仅需微量血液即可预测生物年龄

正文

请到「今天看啥」查看全文

A dvances 上，研究人员考虑了性别特异性的类固醇生成，并使用独立数据集进行验证，证明该模型能够有效代表不同人群中的多样化衰老模式，并反映基本的生物学途径。该研究 展示了如何使用 DNN 进行衰老分析，以实现更准确的健康评估和基于个体衰老过程的个性化干预。

研究团队通过 LC-MS/MS 定量分析生成 DNN 数据集。首先 使用经过验证的方法对 1 48 名 20 - 73 岁个体的血液样本进行了 22 种类固醇的量化，其中 98 个样本用于训练模型， 50 个样本用于验证模型。为了进行 DNN 建模，研究收集了每个受试者的额外人口统计学和生理信息，包括性别、种族、 ABO 血型、 Rh 血型和吸烟习惯等。此外，研究对原始建模数据集进行了主成分分析，以评估性别特异性模型的必要性。为了进行下游分析，女性和男性数据集进一步分为 49 个样本用于训练， 25 个样本用于独立验证，以确保稳健的模型评估和生物学相关性。

图： DNN 模型通过 LC-MS/MS 从血液类固醇分析中预测生物年龄。

该 DNN 模型的结构被明确设计为反映类固醇生物合成的顺序阶段 ：从孕烯醇酮作为前体开始，通过中间代谢物最终达到生理指标以及最终的生物年龄预测。这种结构化设计使 DNN 能够模拟类固醇生成途径及其下游代谢物。 通过捕获预测生物年龄和时序 年龄之间随时间增加的差异，该模型与衰老研究的结果一致，并提供了对传统结构分析中经常被忽视的生物复杂性。

请到「今天看啥」查看全文