Gépi tanulással osztályozták magyar kutatók az öregedésért leginkább felelős fehérjéket

Öregedést szabályozó emberi fehérjéket prediktáltak magyar kutatók a legújabb gépi tanulási módszerek segítségével, a korábbiaknál könnyebben értelmezhető osztályozó modell felfedezésével pedig a jövőben egyszerűbb lehet majd kutatni az öregedésben kulcsszerepet játszó fehérjéket.

Az ELTE Genetikai Tanszék kutatói, Sturm Ádám és Vellai Tibor, illetve az MTA SZTAKI Big Data – Lendület Kutatócsoportjának munkatársai, Kerepesi Csaba, Daróczy Bálint és Benczúr András vizsgálatainak eredményeit összefoglaló tanulmányt a Scientific Reports tette közzé.

Rendszerszinten még nem kutatják eléggé az öregedés mechanizmusát

Habár az öregedés nagy hatással van az emberi egészségre és a gazdaságra, az öregedés molekuláris alapjai – szabályozása és mechanizmusa – még kevéssé ismertek. Jelenleg körülbelül 300 fehérjéről feltételezik a szakemberek, hogy fontos szerepet játszanak az emberi öregedés szabályozásában.

Az egyik ilyen az ATP-függő helikáz, amelyről ismert, hogy a fehérjét kódoló gén mutációja felelős a gyors öregedést okozó Werner-szindróma kialakulásáért. Szintén azonosított öregedést szabályozó fehérje például a FOXO1 és az mTOR is, melyekkel kapcsolatban korábbi kísérletek kimutatták, hogy befolyásolásukkal lassítható egyes genetikai modellállatok (például a fonalféreg, az ecetmuslica és a házi egér) öregedése, és ezáltal megnövelhető az állatok élettartama. Az mTOR-ral kapcsolatos első ilyen eredményt éppen a most közölt tanulmány egyik társszerzője, Vellai Tibor és munkatársai publikálták a Nature folyóiratban 2003-ban.

Miközben azonban az egyes öregedéssel kapcsolatos fehérjéket intenzíven tanulmányozzák, azt, hogyan alkotnak együtt egy szabályzórendszert és mi különbözteti meg őket a többi fehérjétől, kevésbé kutatják.

Algoritmusokkal tették sorrendbe a kulcsfehérjéket

Az ELTE Genetikai Tanszék és az MTA SZTAKI kutatói ezért minden egyes humán fehérjéhez 21 000 fehérjetulajdonságot gyűjtöttek ki különféle biológiai adatbázisokból, majd a kapott adatokat a legújabb gépi tanulási algoritmusokkal elemezték. Több lépcsőben szelektálva a fehérjejellemzőket és több szelektált adathalmazon futtatva a tanulóalgoritmusokat sikerült találniuk egy biológiailag könnyen értelmezhető – mindössze 36 jellemzőből álló – bináris osztályozó modellt, amely megmondja, milyen tulajdonságok kellenek ahhoz, hogy egy fehérje részt vegyen az ember öregedési folyamatának szabályozásában.

Több hasonló matematikai modell predikcióinak felhasználásával a kutatók sorrendbe tették az emberi fehérjéket aszerint, melyik milyen szerepet tölt be az öregedés mechanizmusában vagy szabályozásában. Ez a lista két szempontból hasznos: egyrészt megmutatja az öregedés kulcsszereplőit, azokat a fehérjéket, amelyeket leginkább érdemes lenne tanulmányozni ahhoz, hogy megértsük az öregedés molekuláris alapjait, másrészt az adatok segítségével a kutatók azonosítottak olyan új öregedéssel kapcsolatos fehérjéket (például a citokróm b-245 könnyűláncot és az endoribonukleáz ZC3H12A-t), amelyeknek öregedést szabályozó szerepe eddig nem volt ismert.

A tanulmány által kiemelt fehérjék alaposabb tanulmányozása és a velük kapcsolatos jövőbeni kísérletek új eredményekkel járulhatnak hozzá az öregedési folyamat kutatásához, amelynek egyik célja az időskori betegségek megelőzése lehet.

Nemrég egy amish közösségben találták meg az első génmutációt, amely gátolja az öregedést: