[發明專利]一種人體生物學年齡預測與人體衰老程度評估方法

有效

• 申請號: 202110276115.3
• 申請日: 2021-03-15
• 公開（公告）號: CN113380327B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 歐陽宏偉;吳兵兵;沈夕琳;蔣煒;李余;鄒曉暉
• 申請（專利權）人: 浙江大學
• 主分類號: G16B30/00
• 分類號: G16B30/00;G16B5/00;G16B40/00;G16B20/00;G16H50/30
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 張會雪

1.一種人體生物學年齡預測與人體衰老程度評估方法，其特征在于：包括如下步驟：

1)、首先利用新一代高通量測序技術，對人外周血液進行高通量測序，得到基因表達量原始數據；

2)、對基因表達量原始數據進行清洗，質量控制，歸一化，得到標準數據；

3)、對基因表達隨年齡變化以年齡和性別做變量做線性擬合，進行評估篩選，得到衰老相關基因；

4)、將樣本隨機分為測試集和訓練集，測試集訓練集比為3:1，對選取的基因進行歸一化，使一個樣本中特征基因表達成正態分布，加入性別這個特征后整體用于構建模型；

5)、利用如下算法中的一種，構建衰老時鐘模型；

5)-1：使用支持向量機回歸算法在訓練集進行訓練，做5成交叉檢驗，得到最佳參數；最后將模型用于測試集上預測，進行驗證；

5)-2：使用漸進梯度回歸算法在訓練集進行訓練，做5成交叉檢驗，得到最佳參數；最后將模型用于測試集上預測，進行驗證；

5)-3：使用隨機森林回歸算法在訓練集進行訓練，做5成交叉檢驗，得到最佳參數；最后將模型用于測試集上預測，進行驗證；

5)-4：使用深度神經網絡算法在訓練集進行訓練，做5成交叉檢驗，超參數搜索得到最佳參數；最后將模型用于測試集上預測，進行驗證；

5)-5：使用廣義彈性網絡回歸算法在訓練集進行訓練，做20成交叉檢驗，得到最佳參數；最后將模型用于測試集上預測，進行驗證；

6)、利用以上模型，得到測試集和訓練集的預測年齡，定義衰老速度并做矯正；

7)、基于衰老速度對人群定義快衰老和慢衰老人群；

所述步驟6)為

在年齡預測值基礎上，定義個體的衰老速度為：預測年齡與實際年齡的差值；

衰老速度＝預測年齡-實際年齡；

ΔAge＝AgePredicted-ActualAge????????????????(1)

預測值高于實際年齡的，差值為正，衰老速度快，有較差的身體健康狀態；預測值低于實際年齡的，差值為負，衰老速度慢，有較好的身體健康狀態；

定義矯正后衰老速度為：衰老速度減去衰老速度對實際年齡和數據集的局部回歸；

矯正后衰老速度＝衰老速度-局部回歸(衰老速度～實際年齡+數據集)，數據集取值在0，1內，0代表訓練集，1代表測試集；

ΔAge_curated＝ΔAge-loess(ΔAge～Age+Set),Set＝0,1?(2)；

所述步驟2)中的清洗，質量控制，歸一化步驟為：(1)去除重復基因，重復的保留表達量高者，對表達矩陣進行CPM標準化；(2)去除總測序數值與中值距離大于平均絕對離差MAD3倍的樣本；(3)過濾了表達量較低的基因，即僅在少于10％的總樣本中表達的基因；(4)根據整體年齡分布，去除了與中值距離大于平均絕對離差MAD3倍的樣本；

所述步驟3)中對基因隨年齡變化和性別做線性擬合,得到基因與年齡變化關系的顯著性和與性別的顯著性；g_i表示第i個基因的表達量；對每個基因由如下公式進行線性擬合；

g_i～age+sex

再由anova檢驗得到Sum?of?square；為探究性別和年齡對一個基因表達的影響，探究兩個變量所解釋方差的相對比例，計算偏eta方：

將年齡p值小于0.05且性別偏eta方0.9*年齡偏eta方的基因認定為衰老相關基因；

所述步驟7)，對人群的矯正后衰老速度得到上四分位數和下四分位數；在該人群中，矯正后衰老速度大于群體上四分位數的個人，認為在這個群體中，此個人的衰老速度高于一般范圍，屬于快衰老人群；在該人群中，矯正后衰老速度小于群體上四分位數的個人，認為在這個群體中，此個人的衰老速度低于一般范圍，屬于慢衰老人群；

記q₁,q₂,q₃為人群的四分位數，且q₁,q₂,q₃依次遞增，快衰老人群為ΔAge_curatedq₃慢衰老人群為ΔAge_curatedq₁。