Моделирование биологического возраста на основе метаболомных данных с использованием регуляризованных методов машинного обучения

Биологическое старение — это сложный процесс, который нельзя полностью описать только с помощью хронологического возраста. Метаболомные профили плазмы отражают текущее физиологическое состояние организма и могут использоваться как информативные маркеры биологического старения. В данном исследовании была разработана и оценена модель предсказания возраста на основе метаболомных данных с использованием методов регуляризованного машинного обучения. В анализ были включены данные 296 участников с количественно определёнными плазменными метаболитами. После стандартной предобработки и трансформации данных хронологический возраст прогнозировался с помощью регрессии Elastic Net. Для оценки качества модели использовалась повторяющаяся вложенная кросс-валидация, что позволило минимизировать риск переобучения и утечки информации. Основная модель Elastic Net показала среднюю абсолютную ошибку (MAE) около 6 лет и значительно превзошла базовые модели, включая dummy-регрессию и обычную линейную регрессию. Для проверки устойчивости выявленного метаболомного сигнала старения дополнительно проводилось сравнение с ridge-регрессией, а также с альтернативными методами отбора признаков на основе важности признаков Random Forest и рекурсивного исключения признаков (RFE). Результаты оказались достаточно стабильными для разных регуляризованных подходов, что указывает на то, что возрастные метаболические изменения распределены между множеством взаимосвязанных метаболитов. Метаболическое ускорение возраста определялось как разница между предсказанным и реальным возрастом и дополнительно анализировалось с учётом биологической неоднородности и менопаузального статуса. Для оценки неопределённости индивидуальных предсказаний использовался подход conformal prediction, позволяющий строить интервалы предсказания с контролируемым уровнем покрытия. Полученные результаты показывают, что плазменные метаболомные профили содержат воспроизводимую и биологически значимую информацию, связанную со старением. Использование строгих процедур валидации, сравнительных методов регуляризованного моделирования, различных подходов к отбору признаков и оценки неопределённости делает предложенную модель надёжным инструментом для изучения метаболического старения и межиндивидуальных различий в процессах старения.