論文の概要: Phenome-Wide Multi-Omics Integration Uncovers Distinct Archetypes of Human Aging

• arxiv url: http://arxiv.org/abs/2510.12384v1
• Date: Tue, 14 Oct 2025 11:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.286312
• Title: Phenome-Wide Multi-Omics Integration Uncovers Distinct Archetypes of Human Aging
• Title（参考訳）: 人類の老化にまつわる考古学的特徴を解明したPhenome-Wide Multi-Omics統合
• Authors: Huifa Li, Feilong Tang, Haochen Xue, Yulong Li, Xinlin Zhuang, Bin Zhang, Eran Segal, Imran Razzak,
• Abstract要約: 我々は、多様な健康結果と将来の病気リスクを確実に予測するマルチオミクス老化時計を開発した。 マルチオミクスによる統合分子プロファイルの無監督クラスタリングにより、老化の異なる生物学的サブタイプが明らかになった。 これらの知見は、高齢者関連疾患の予防のためのパーソナライズされたヘルススパンモニタリングと精度戦略の基礎となった。
• 参考スコア（独自算出の注目度）: 28.20331959292183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aging is a highly complex and heterogeneous process that progresses at different rates across individuals, making biological age (BA) a more accurate indicator of physiological decline than chronological age. While previous studies have built aging clocks using single-omics data, they often fail to capture the full molecular complexity of human aging. In this work, we leveraged the Human Phenotype Project, a large-scale cohort of 12,000 adults aged 30--70 years, with extensive longitudinal profiling that includes clinical, behavioral, environmental, and multi-omics datasets -- spanning transcriptomics, lipidomics, metabolomics, and the microbiome. By employing advanced machine learning frameworks capable of modeling nonlinear biological dynamics, we developed and rigorously validated a multi-omics aging clock that robustly predicts diverse health outcomes and future disease risk. Unsupervised clustering of the integrated molecular profiles from multi-omics uncovered distinct biological subtypes of aging, revealing striking heterogeneity in aging trajectories and pinpointing pathway-specific alterations associated with different aging patterns. These findings demonstrate the power of multi-omics integration to decode the molecular landscape of aging and lay the groundwork for personalized healthspan monitoring and precision strategies to prevent age-related diseases.
• Abstract（参考訳）: 老化は、個人間で異なる速度で進行する非常に複雑で異質なプロセスであり、生物学的年齢(BA)は、時系列年齢よりも生理的減少の正確な指標となる。 これまでの研究では、単一のオミクスデータを使って老化時計を構築してきたが、人間の老化の完全な分子的複雑さを捉えられなかったことが多い。 本研究では,30～70歳の成人12,000人の大規模コホートであるHuman Phenotype Projectを活用し,臨床,行動,環境,マルチオミクスのデータセットを含む広範囲な長手プロファイリングを行った。 非線形生体力学をモデル化できる高度な機械学習フレームワークを用いて、多様な健康結果と将来の病気リスクを確実に予測するマルチオミクス老化時計を開発し、厳格に検証した。 統合分子プロファイルの非教師的クラスタリングにより、老化の異なる生物学的サブタイプが発見され、老化の軌跡における顕著な不均一性と、異なる老化パターンに関連する経路特異的な変化が明らかになった。 これらの知見は、老化の分子的景観を復号化するためのマルチオミクス統合の力を示し、高齢化防止のためのパーソナライズされたヘルススパンモニタリングと精密化戦略の基礎を築いた。

関連論文リスト

• A Machine Learning Approach to Predict Biological Age and its Longitudinal Drivers [22.162067953837653]
  2つの異なる期間のデータと長手コホートを用いて年齢を予測する機械学習パイプラインを開発した。 重要なバイオマーカーの変化率(傾斜)を時間とともに明示的に捉える技術によって,我々はモデル性能を著しく改善した。 当フレームワークは,患者の健康トラジェクトリを動的に追跡し,早期介入とパーソナライズされた予防戦略を可能にする臨床ツールの道を開く。
  論文  参考訳（メタデータ） (2025-08-13T12:22:12Z)
• Flow Matching Meets Biology and Life Science: A Survey [65.2146737141455]
  拡散に基づく生成モデリングの強力な代替手段としてフローマッチングが登場した。 本稿では,フローマッチングの最近の進歩とその生物学的領域への応用に関する包括的調査について述べる。
  論文  参考訳（メタデータ） (2025-07-23T17:44:29Z)
• Advancing Precision Oncology Through Modeling of Longitudinal and Multimodal Data [1.6163129903911508]
  癌は、遺伝子、エピジェネティック、ミクロ環境、表現型の変化の複雑な相互作用を通じて、時間とともに継続的に進化する。 今日の腫瘍学におけるデータ駆動研究は、主に1つのモダリティのデータを用いた断面解析に焦点を当てている。 マルチスケールデータ収集および計算手法の進歩により、精度オンコロジーのための長手マルチモーダルバイオマーカーの発見が可能になった。
  論文  参考訳（メタデータ） (2025-02-11T01:44:51Z)
• Multi-megabase scale genome interpretation with genetic language models [45.97370115519009]
  フェンフォーマー(英: Phenformer)は、機械的仮説を生成するために学習する多スケールの遺伝的言語モデルである。 我々は,150万以上の個体から得られた全ゲノムシークエンシングデータを用いて,Phenformerが既存の方法よりも優れた機械的仮説を生成することを示す。
  論文  参考訳（メタデータ） (2025-01-13T23:00:40Z)
• iTARGET: Interpretable Tailored Age Regression for Grouped Epigenetic Traits [0.0]
  そこで本研究では,DNAメチル化パターンから時系列年代を正確に予測する2相アルゴリズムを提案する。 提案手法は予測精度を向上するだけでなく,鍵となる年齢関連CpGサイトを明らかにし,老化率の変化を検出し,CpGサイト間の相互の相互作用を識別する。 実験の結果,本手法は従来のエピジェネティッククロックや機械学習モデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T23:06:46Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
  顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。 本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2023-03-20T13:20:14Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。