RU2021132994A - Эпиэйджинг: новая экосистема для управления здоровым старением - Google Patents
Эпиэйджинг: новая экосистема для управления здоровым старением Download PDFInfo
- Publication number
- RU2021132994A RU2021132994A RU2021132994A RU2021132994A RU2021132994A RU 2021132994 A RU2021132994 A RU 2021132994A RU 2021132994 A RU2021132994 A RU 2021132994A RU 2021132994 A RU2021132994 A RU 2021132994A RU 2021132994 A RU2021132994 A RU 2021132994A
- Authority
- RU
- Russia
- Prior art keywords
- subject
- dna
- biological
- biological age
- substrate
- Prior art date
Links
Claims (56)
1. Способ вычисления биологического возраста субъекта, включающий в себя этапы:
(a) экстракция ДНК из субстрата, полученного от субъекта;
(b) измерение метилирования ДНК в экстрагированной из субстрата ДНК для получения профиля метилирования ДНК;
(c) анализ профиля метилирования ДНК для получения полигенной оценки; и
(d) определение биологического возраста субъекта на основе полигенной оценки, где экстракция ДНК включает в себя экстракцию геномной ДНК из слюны или крови, полученной от субъекта.
2. Способ по п. 1, отличающийся тем, что измерение метилирования ДНК проводят с использованием способов, включающих в себя пиросеквенирование ДНК, масс-спектрометрию (Epityper™), анализ метилирования на основе ПЦР, бисульфитное секвенирование следующего поколения целевого ампликона на платформе, выбранной из группы секвенаторов HiSeq, MiniSeq, MiSeq и NextSeq, секвенирования Ion Torrent, секвенирования с помощью иммунопреципитации метилированной ДНК (MeDIP) или гибридизации с чипами олигонуклеотидов.
3. Способ по п. 1, отличающийся тем, что измерение метилирования ДНК выполняется для полигенных биомаркеров метилирования ДНК, что включает измерение статуса метилирования сайтов CG в любом из сайтов CG человека и их комбинаций, которые расположены в предполагаемой антисмысловой области гена ElovL2, области ElovL2 AS1, как указано в SEQ ID NO: 1.
4. Способ по п. 1, отличающийся тем, что измерение метилирования ДНК проводят с использованием пиросеквенирования ДНК с праймерами, указанными в SEQ ID NO: 2 для прямого биотинилированного праймера, SEQ ID NO: 3 для обратного праймера и SEQ ID NO: 4 для праймера пиросеквенирования.
5. Способ по п. 1, отличающийся тем, что измерение метилирования ДНК проводят с использованием бисульфитного секвенирования следующего поколения целевого ампликона на платформе, выбранной из группы секвенаторов HiSeq, MiniSeq, MiSeq и NextSeq, с праймерами, указанными в SEQ ID NO: 5 для прямого праймера и SEQ ID NO: 6 для обратного праймера.
6. Способ по п. 1, отличающийся тем, что измерение метилирования ДНК проводят с использованием анализов метилирования на основе ПЦР, выбранных из группы ПЦР, специфичной для метилирования, и цифровой ПЦР.
7. Способ по п. 1, отличающийся тем, что анализ профиля метилирования ДНК для получения полигенной оценки включает в себя использование уравнений множественной линейной регрессии или нейросетевого анализа.
8. Способ по п. 1 вычисления биологического возраста нескольких субъектов, включающий в себя этапы п. 1 с использованием нескольких субъектов.
9. Способ по п. 8, отличающийся тем, что измерение метилирования ДНК в экстрагированной из нескольких субстратов ДНК включает этапы:
(a) амплификация экстрагированной из нескольких субстратов геномной ДНК с праймерами, специфичными для мишени, для получения продукта ПЦР 1;
(b) амплификация продукта ПЦР 1 этапа (а) с штрих-кодирующими праймерами для получения продукта ПЦР 2;
(c) выполнение мультиплексного секвенирования в одной реакции секвенирования Miseq следующего поколения с использованием продукта ПЦР 2 этапа (b);
(d) извлечение данных из мультиплексного секвенирования этапа (с); и
(е) количественное определение метилирования ДНК по извлеченным данным на этапе (d) для получения профиля метилирования ДНК для каждого субстрата,
где экстракция ДНК включает в себя экстракцию геномной ДНК из слюны или
крови, полученной от субъекта.
10. Способ по п. 9, отличающийся тем, что праймеры, специфичные для мишени, для получения продукта 1 ПЦР содержат праймеры, указанные в SEQ ID NO: 5 для прямого праймера и SEQ ID NO: 6 для обратного праймера, и где штрих-кодирующие праймеры для получения продукта ПЦР 2 содержит праймеры, указанные в SEQ ID NO: 7 для прямого праймера и SEQ ID NO: 8 для обратного праймера, который является праймером индекса штрих-кода.
11. Комбинация биомаркеров метилирования ДНК для расчвычисления биологического возраста, где комбинация биомаркеров метилирования ДНК включает их комбинации сайтов CG человека, которые расположены в предполагаемой антисмысловой области гена ElovL2, области ElovL2 AS1, как указано в SEQ ID NO: 1.
12. Набор для определения биологического возраста субъекта в соответствии со способом по п. 1, содержащий средства и реагенты для сбора и стабилизации субстрата у субъекта; сканер для считывания штрих-кода в комплекте; и инструкции по сбору и стабилизации субстрата, где субстрат представляет собой слюну или кровь субъекта, и где стабилизация субстрата предназначена для отправки собранного субстрата по почте для экстракции ДНК для измерения метилирования ДНК в экстрагированной из субстрата ДНК для получения профиля метилирования ДНК субъекта для определения биологического возраста субъекта.
13. Реализованный на компьютере способ предоставления рекомендаций по изменению образа жизни, включающий в себя этапы:
(a) оценка учетной записи на машиночитаемом носителе, полученной посредством совместного использования пользовательских данных от субъекта;
(b) сопоставление учетной записи этапа (а) с набором, содержащим средства и реагенты для сбора и стабилизации субстрата у субъекта; сканер для считывания штрих-кода в комплекте; и инструкции по сбору и стабилизации субстрата, где субстрат представляет собой слюну или кровь субъекта, и где стабилизация субстрата предназначена для отправки собранного субстрата по почте, полученным от указанного субъекта, для определения биологического возраста указанного субъекта;
(c) вычисление биологического возраста субъекта с использованием способа по п. 1 для получения вычисленного биологического возраста;
(d) интегрирование вычисленного биологического возраста этапа (с) в модель машинного обучения для указанного субъекта путем выполнения статистического анализа с использованием оценки этапа (а) для получения объединенного отчета по данным;
(e) подготовка динамического отчета для указанного субъекта путем анализа объединенного отчета по данным этапа (d) с последовательностью ответов на вопросы анкеты, полученных путем обмена пользовательскими данными от указанного субъекта, с течением времени и сравнения их с рекомендациями национальной ассоциации; и
(f) совместное использование динамического отчета этапа (е) на машиночитаемом носителе с указанным субъектом для предоставления рекомендаций по изменению образа жизни.
14. Реализованный на компьютере способ по п. 13, отличающийся тем, что машиночитаемый носитель содержит инструменты разработки с открытым исходным кодом, содержащие информацию о тесте для вычисления биологического возраста на основе способа вычисления биологического возраста субъекта, виртуальную корзину для покупок для заказа указанного теста, функцию сканирования для сканирования штрих-кода набора и функцию для получения результатов теста из лаборатории, и где инструменты разработки с открытым исходным кодом включают в себя анкеты, включенные в машиночитаемый носитель, для изучения функций образа жизни, которые влияют на здоровое старение, включая основные физиологические показатели, вес, рост, артериальное давление, частоту сердечных сокращений, самооценку настроения, опросник выраженности боли по Мак-Гиллу, опросник по рациону и питанию, опросник по упражнениям и вопросы об образе жизни, включая употребление алкоголя, наркотиков и курение, а также их комбинацию.
15. Реализованный на компьютере способ по п. 14, отличающийся тем, что способ включает в себя использование мини-программы Android или Apple или WeChat для персонализированных рекомендаций по образу жизни, создание экосистемы здоровья, ориентированной на нормализацию или замедление биологического старения субъекта, или для хранения данных в хранилище объектов на сервере или облачном сервере, включая, Amazon, Ali Cloud или Microsoft Azure с использованием стандартного конвейера данных и систем управления, таких как Cloud dataprep, по нескольким субъектам.
16. Реализованный на компьютере способ по п. 14, отличающийся тем, что способ включает в себя использование набора алгоритмов искусственного интеллекта, таких как случайный лес (RF), машина опорных векторов (SVM), линейный дискриминантный анализ (LDA), обобщенная линейная модель (GLM) и глубокое обучение (DL) для вычисления взвешенного вклада различных показателей образа жизни в биологический возраст субъекта или нескольких субъектов, который динамически обновляется для предоставления персонализированных рекомендаций по изменению образа жизни.
17. Способ разработки машиночитаемого носителя, включающий в себя этапы:
(a) хранение данных, полученных от нескольких субъектов;
(b) анализ сохраненных данных этапа (а); и
(c) построение модели,
где этап хранения данных, полученных от нескольких пользователей, включает в себя облачную базу данных SQL,
где этап анализа сохраненных данных включает в себя группу, выбранную из глубокого машинного обучения, обучения с подкреплением и машинного обучения или их комбинацию, и
где этап построения модели включает в себя сопоставление входных данных анкеты и разницы между возрастом по метилированию ДНК и хронологическим возрастом в качестве выходных данных, а также других физиологических и психологических выходных данных, таких как боль, артериальное давление, ИМТ и настроение.
18. Способ разработки машиночитаемого носителя по п. 17, отличающийся тем, что машинное обучение включает в себя группу, выбранную из алгоритма интеллектуального анализа данных, включающего в себя анализ случайного леса или алгоритма интеллектуального анализа данных, включающего в себя кластерный анализ K-средних, или платформы, включающей в себя Amazon Machine Learning (AML) или программного обеспечения, включающего в себя продукты H2O.ai на платформах, включающих в себя распределенную файловую систему Apache Hadoop, Amazon ЕС2 Google Compute Engine и Microsoft Azure, или их комбинацию.
19. Способ по п. 1 для применения в способе оценки воздействия биологического вмешательства на биологический возраст субъекта, способ включает в себя этапы:
(a) вычисление биологического возраста субъекта с использованием способа по п. 1 для получения начального биологического возраста до биологического вмешательства;
(b) выполнение биологического вмешательства в отношении указанного субъекта;
(c) повторение этапа (а) на следующем субстрате, полученном от указанного субъекта после выполнения этапа (b), для определения биологического возраста после биологического вмешательства;
(d) интегрирование биологического возраста после биологического вмешательства в модель машинного обучения для указанного субъекта, чтобы оценить влияние биологического вмешательства на биологический возраст указанного субъекта,
где биологическое вмешательство на этапе (b) выбрано из группы, состоящей из пищевых добавок, витаминов, терапии, введения исследуемого вещества, диетических манипуляций, метаболических манипуляций, хирургических манипуляций, социальных манипуляций, поведенческих манипуляций, манипуляций с окружающей средой, сенсорных манипуляций, гормональных манипуляций и эпигенетических манипуляций, или их комбинаций,
где экстракция ДНК включает в себя экстракцию геномной ДНК из слюны или крови, полученной от субъекта, и
где интеграция биологического возраста после биологического вмешательства в модель машинного обучения для указанного субъекта включает в себя биологический возраст, оцененный на этапе (с), и физиологические параметры, полученные путем обмена пользовательскими данными от указанного субъекта.
20. Способ по п. 1 для применения в способе скрининга агента на предмет того, обладает ли этот агент антивозрастной активностью, способ включает в себя этапы:
(a) вычисления возраста по субстрату, полученному от субъекта, с применением способа по п. 1 для получения начального биологического возраста до введения тестируемого агента;
(b) введение тестируемого агента указанному субъекту;
(c) повторение этапа (а) на следующем субстрате, полученном от указанного субъекта после выполнения этапа (b) для определения биологического возраста после введения тестируемого агента;
(d) интеграция биологического возраста после введения тестируемого агента в модель машинного обучения для указанного субъекта, чтобы оценить, было ли вычислено снижение возраста путем интеграции в модель машинного обучения, чтобы определить тестируемый агент как средство против старения для указанного субъекта,
где экстракция ДНК включает в себя экстракцию геномной ДНК из слюны или крови, полученной от субъекта, и
где интеграция биологического возраста после введения тестируемого агента в модели машинного обучения для указанного субъекта включает в себя биологический возраст, оцениваемый на этапе (с) и физиологические параметры, полученные в результате обмена пользовательскими данными от указанного субъекта.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US62/854,226 | 2019-05-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2021132994A true RU2021132994A (ru) | 2023-06-29 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20090062144A1 (en) | Gene signature for prognosis and diagnosis of lung cancer | |
US20170277826A1 (en) | System, method and software for robust transcriptomic data analysis | |
Robinson et al. | Intricacies of assessing the human microbiome in epidemiologic studies | |
US20130254202A1 (en) | Parallelization of synthetic events with genetic surprisal data representing a genetic sequence of an organism | |
CN108292299A (zh) | 从基因组变体预测疾病负担 | |
JP7041614B2 (ja) | 生体データにおけるパターン認識のマルチレベルアーキテクチャ | |
US20210102262A1 (en) | Systems and methods for diagnosing a disease condition using on-target and off-target sequencing data | |
US11915819B2 (en) | Methods and systems for multi-omic interventions | |
US20150193577A1 (en) | Systems and methods for generating biomarker signatures | |
WO2020210487A1 (en) | Systems and methods for nutrigenomics and nutrigenetic analysis | |
WO2019025004A1 (en) | METHOD FOR NON-INVASIVE PRENATAL DETECTION OF FETUS SEX CHROMOSOMAL ABNORMALITY AND FETUS SEX DETERMINATION FOR SINGLE PREGNANCY AND GEEMELLAR PREGNANCY | |
US20230287516A1 (en) | Determination of a physiological condition with nucleic acid fragment endpoints | |
CN114341990A (zh) | 用于分析基因数据的计算机执行方法和装置 | |
US20140180599A1 (en) | Methods and apparatus for analyzing genetic information | |
CN115836349A (zh) | 用于评估纵向生物特征数据的系统和方法 | |
US20220228217A1 (en) | Epiaging ; novel ecosystem for managing healthy aging | |
US20210358569A1 (en) | Methods and systems for assessing microsatellite instability | |
CN111540410B (zh) | 用于预测个体的吸烟状况的系统和方法 | |
Hong et al. | Evaluation of a Two‐Stage Approach in Trans‐Ethnic Meta‐Analysis in Genome‐Wide Association Studies | |
RU2021132994A (ru) | Эпиэйджинг: новая экосистема для управления здоровым старением | |
JPWO2020240511A5 (ru) | ||
CN112384982A (zh) | 用于指纹识别生物样本的方法 | |
CN116134546A (zh) | 用于诊断检验的有效样本混合的方法和系统 | |
El Qumsan | Assessment of supervised classification methods for the analysis of RNA-seq data | |
WO2023187139A1 (en) | Patient pooling based on machine learning model |