Een nieuw machine learning-algoritme heeft 478 verbindingen geïdentificeerd die het potentieel hebben om hersenveroudering tegen te gaan en te beschermen tegen neurodegeneratieve ziekten. De doorbraak, geleid door onderzoekers van het Luxembourg Centre for Systems Biomedicine en CIC bioGUNE, zou de ontwikkeling van medicijnen kunnen versnellen om cognitieve achteruitgang tegen te gaan naarmate de wereldbevolking snel veroudert.
Het ouder wordende brein en het transcriptoom
Het kernprobleem is duidelijk: veroudering is de grootste risicofactor voor neurodegeneratieve ziekten zoals de ziekte van Alzheimer. Nu ruim twee miljard mensen naar verwachting in 2050 ouder zullen zijn dan 60, is het vinden van manieren om de gezondheid van de hersenen op latere leeftijd te beschermen niet langer slechts een wetenschappelijke uitdaging – het is een noodzaak voor de volksgezondheid. Dit onderzoek richt zich niet op de genen zelf, maar op het transcriptoom : de RNA-moleculen die laten zien welke genen actief zijn. Deze benadering is dynamischer dan alleen maar naar DNA kijken, omdat de genactiviteit verandert met de leeftijd en ziekte.
Hoe het algoritme werkt
Onderzoekers analyseerden hersenmonsters van 778 gezonde individuen in de leeftijd van 20 tot 97 jaar. Het machine learning-model leerde de biologische leeftijd met opmerkelijke nauwkeurigheid (binnen vijf jaar) te voorspellen op basis van de activiteit van slechts 365 sleutelgenen. Verrassend genoeg zijn de meeste van deze genen niet direct betrokken bij de hersenfunctie; ze reguleren DNA-reparatie en algehele verouderingsprocessen. Dit suggereert dat het vertragen van veroudering systemisch de hersenen kan beschermen.
Wanneer toegepast op monsters van patiënten met de ziekte van Alzheimer of traumatisch hersenletsel, toonde het algoritme consequent aan dat hun hersenen biologisch ouder waren dan verwacht – soms wel vijftien jaar bij mensen tussen de 60 en 70 jaar oud. Dit bevestigt dat neurodegeneratie verband houdt met versnelde veroudering op moleculair niveau.
Verjongende verbindingen identificeren
Het algoritme scande vervolgens gegevens van duizenden neuronen, op zoek naar genexpressiepatronen die de voorspelde leeftijd verlaagden. Het resultaat: een lijst met 478 medicijnen met potentieel verjongende effecten. Hoewel veel van deze verbindingen nog niet zijn getest op levensduurverlenging, vormen de voorspellingen van het algoritme een startpunt voor gericht onderzoek.
Vroege validatie bij muizen
Om de nauwkeurigheid van het model te testen, gaven onderzoekers gedurende vier weken drie van de voorspelde verbindingen aan oude muizen. De muizen vertoonden significante verbeteringen in het geheugen en verminderde angst, samen met genetische veranderingen waardoor hun hersencellen er jonger uitzagen. Dit suggereert dat het algoritme niet alleen correlaties identificeert, maar causale verbanden tussen verbindingen en hersenverjonging.
De toekomst van de ontdekking van antiverouderingsmedicijnen
Momenteel ontbreekt het op het gebied van antiveroudering aan systematische methoden voor de ontwikkeling van geneesmiddelen. Dit machine learning platform biedt een gestructureerde manier om veelbelovende kandidaten te identificeren. De geïdentificeerde verbindingen vereisen echter verdere validatie in meerdere biologische systemen voordat ze als effectieve behandelingen kunnen worden beschouwd.
De honderden verbindingen die door dit platform worden voorspeld, vertegenwoordigen een uitgebreide kans voor toekomstig onderzoek en therapeutische ontwikkeling.
Het doel is duidelijk: medicijnen ontwikkelen die niet alleen de veroudering vertragen, maar deze ook actief omkeren, en zo de hersenfunctie beschermen voor een groeiende bevolking. De systematische aanpak van deze nieuwe machine learning-methode vertegenwoordigt een belangrijke stap in de richting van die toekomst.
