論文の概要: Trajectory Inference of Human Aging from Cross-Sectional DNA Methylation Data
- arxiv url: http://arxiv.org/abs/2607.06583v1
- Date: Sat, 04 Jul 2026 19:02:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.139515
- Title: Trajectory Inference of Human Aging from Cross-Sectional DNA Methylation Data
- Title（参考訳）: 断面DNAメチル化データによる老化の軌道推定
- Authors: Chandan Gupta, Syed Haider, Pietro Liò,
- Abstract要約: 本研究は, 寿命の長いヒトのエピジェネティック・エイジングを, 個々の年齢スナップショットの軌跡推定問題として捉えた。
大規模な80年版パンタビジョンデータセットを用いて,本モデルの評価を行った。
- 参考スコア（独自算出の注目度）: 10.679905591501416
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: DNA methylation (DNAm) serves as one of the most robust molecular biomarkers of biological aging. While conventional epigenetic clocks accurately predict chronological age from high-dimensional CpG profiles, they treat aging as a static regression task, meaning they can only output a single score rather than simulating how an entire profile continuously changes over time. To reconstruct these continuous dynamics, we frame lifelong human epigenetic aging as a trajectory inference problem across discrete age snapshots derived from widely available cross-sectional data. We introduce a two-stage computational pipeline: first, an age-regularized Variational Autoencoder (VAE) maps high-dimensional CpG profiles onto a chronologically ordered latent manifold while preserving a generative decoder bridge back to the original methylation space. Second, we model the continuous movement across this latent space via Regularized Unbalanced Optimal Transport (RUOT) that unifies deterministic drift, random diffusion, and non-conservative mass changes. By resolving this RUOT formulation using the DeepRUOT framework, our model fluidly accommodates population-level density shifts like survivorship bias and cellular attrition without requiring rigid biological priors. Evaluated on a large-scale, 80-year pan-tissue dataset, our model demonstrates robust distribution interpolation and uncovers a prominent late-life surge in the learned growth field that mathematically captures the variance expansion driven by stochastic epigenetic drift. Finally, by decoding continuous latent paths back to individual CpG sites, we reconstruct and empirically verify distinct biological aging archetypes, offering a rigorous, generative paradigm for simulating human molecular aging.
- Abstract（参考訳）: DNAメチル化(DNAm)は、生物学的老化の最も堅牢な分子バイオマーカーの1つである。
従来のエピジェネティッククロックは、高次元CpGプロファイルから時系列年齢を正確に予測する一方で、老化を静的回帰タスクとして扱う。
これらの連続的ダイナミクスを再構築するために、我々は、広く利用可能な断面データから派生した離散年齢スナップショットの軌跡推論問題として、生涯にわたるヒトのエピジェネティックエイジングをモデル化した。
まず, 年齢規則化された変分オートエンコーダ(VAE)を用いて, 高次元CpGプロファイルを時間順の潜在多様体にマッピングし, 生成デコーダブリッジを元のメチル化空間に戻す。
第2に、決定論的ドリフト、ランダム拡散、非保存的質量変化を統一する正則化不均衡最適輸送(RUOT)を用いて、この潜在空間を横断する連続的な運動をモデル化する。
DeepRUOTフレームワークを用いてこのRUOTの定式化を解くことで、生き残りバイアスや細胞減少といった集団レベルの密度変化を、厳格な生物学的先行性を必要とすることなく、流動的に対応できる。
大規模で80年にわたるパンタプションデータセットに基づいて,我々のモデルは,確率的エピジェネティックドリフトによって引き起こされる分散膨張を数学的にとらえる学習分野における,頑健な分布補間を実証し,後期の顕著な急激な急激な増加を明らかにする。
最後に, 連続潜伏経路を個々のCpG部位に復号することにより, ヒトの分子老化をシミュレーションするための厳密な生成パラダイムを提供することにより, 異なる生物学的老化形態を再構築し, 実証的に検証する。
関連論文リスト
- Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。
この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。
提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
論文 参考訳（メタデータ） (2026-06-15T18:19:17Z) - Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。
形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。
均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。
TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
論文 参考訳（メタデータ） (2026-02-10T14:13:36Z) - ScDiVa: Masked Discrete Diffusion for Joint Modeling of Single-Cell Identity and Expression [24.508523704467695]
シングルセルRNA-seqプロファイルは高次元、スパース、非秩序であり、自己回帰生成は人工的な秩序バイアスを課す。
そこで我々は,ScDiVaをマスク付き離散拡散基礎モデルとして提案する。
論文 参考訳（メタデータ） (2026-02-03T12:50:29Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - Phenome-Wide Multi-Omics Integration Uncovers Distinct Archetypes of Human Aging [28.20331959292183]
多様な健康結果と今後の病気リスクを強く予測するマルチオミクスの老化時計を開発し,厳格に検証した。
組換え分子プロファイルのユノタイプ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。
論文 参考訳（メタデータ） (2025-10-14T11:00:51Z) - 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) - GenIAS: Generator for Instantiating Anomalies in time Series [54.959865643340535]
可変オートエンコーダを用いた時系列異常検出(TSAD)のための生成モデルを開発した。
GenIASはTSADタスクのための多種多様な現実的な合成異常を生成するように設計されている。
実験の結果,GenIASは従来型および深部異常検出モデル17より一貫して優れていた。
論文 参考訳（メタデータ） (2025-02-12T10:10:04Z) - Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。
時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。
STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-14T02:26:10Z)
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。