Писарук, А. В. Біологічний вік: методологія визначення [Текст] / А. В. Писарук, Н. М. Кошель // Журнал Національної академії медичних наук України. - 2021. - Том 27, N 3. - С. 153-164 MeSH-головна: СТАРЕНИЕ ПРЕЖДЕВРЕМЕННОЕ -- AGING, PREMATURE (диагностика) БИОЛОГИЧЕСКИЕ МАРКЕРЫ -- BIOLOGICAL MARKERS БИОЛОГИЧЕСКИЕ РИТМЫ -- PERIODICITY Анотація: Аналітичний огляд присвячений методології кількісної оцінки вікових змін – визначенню біологічного віку (БВ). На відміну від хронологічного віку (ХВ), який у всіх народжених в один час людей однаковий, БВ може значно відрізнятися і характеризує темп старіння. Діагностика прискореного старіння має важливе клінічне значення, бо дозволяє прогнозувати розвиток вікової патології. Крім того, розрахунок БВ використовується для оцінки різних впливів на організм, в тому числі геропротекторів. Для розрахунку БВ використовується набір біологічних маркерів старіння (БМС). Найточнішим методом визначення БВ є вимір метилювання певних генів (годинник Хорвата). Однак цей метод поки недоступний для клінічної практики. Тому залишається актуальною розробка моделей БВ на основі клінічних БМС. Крім того, є необхідність оцінювати ступінь вікових змін на рівні окремих функціональних систем організму (функціо- нальний вік). Основними методами розрахунку БВ є множинна лінійна регресія (MLR), метод головних компонент (PCA), метод Klemera і Doubal (KDM) та нейромережевий аналіз. Описано критерії оцінки якості моделі БВ. Метод MLR, завдяки своїй простоті, найбільш часто використовується в клінічній практиці, однак має суттєвий недолік – систематичну похибку розрахунку віку, найбільш виражену в крайніх вікових групах. У статті наводиться розроблений авторами метод корекції цієї похибки. Детально викладено методологію використання MLR для отримання формули визначення БВ по набору даних (БМС). Викладено теоретичні основи використання алгоритмів нейронних мереж для оцінки темпу старіння. Застосування нейронних мереж для оцінки БВ показало їх високу ефективність за всіма критеріями, зокрема відсутність систематичної похибки, властивої методам на основі ML Дод.точки доступу: Кошель, Н. М. Вільних прим. немає |