L’invecchiamento è un fenomeno biologico molto complesso, caratterizzato da un graduale declino delle funzioni fisiologiche, dall’accumulo di danni, dallo sviluppo di malattie legate all’età, da una maggiore fragilità e suscettibilità alle infezioni e, infine, dalla morte. La genetica, i fattori ambientali e lo stile di vita influenzano il processo di invecchiamento, la durata della vita in generale e la durata della vita in buona salute.
Table of Contents
Che cos’è l’età cronologica?
L’età cronologica è definita come il numero di anni vissuti da una persona dalla nascita. Tradizionalmente è il metodo principale utilizzato per valutare l’età di un individuo. L’età cronologica funge da misura standardizzata nella società, stabilendo i confini e determinando l’idoneità per varie attività come la guida, il voto o il consumo di alcolici. Tuttavia, quando si tratta di comprendere lo stato di salute, l’aspettativa di vita e l’aspettativa di vita in buona salute di un individuo, affidarsi esclusivamente all’età cronologica diventa meno informativo e utile.
Che cos’è l’età biologica?
L’età biologica si riferisce allo stato fisiologico dell’invecchiamento e comprende vari biomarcatori e indicatori di salute che offrono una comprensione più completa della salute generale e della potenziale aspettativa di vita di un individuo.
La valutazione dell’età biologica è molto importante perché fornisce indicazioni preziose sullo stato di salute di un individuo al di là dell’età cronologica. Permette di identificare gli individui che possono essere a maggior rischio di malattie legate all’età o che hanno una prospettiva di vita più breve nonostante siano più giovani. Valutando l’età biologica, gli operatori sanitari possono personalizzare gli interventi preventivi e terapeutici per affrontare in modo specifico le condizioni legate all’età e migliorare gli esiti complessivi sulla salute. Il concetto di età biologica riconosce che gli individui invecchiano a ritmi diversi a causa di una complessa interazione di fattori genetici, di stile di vita e ambientali.
Esistono biomarcatori dell’invecchiamento biologico?
Esistono numerosi biomarcatori che hanno dimostrato una correlazione con il processo di invecchiamento, mostrando schemi uniformi di cambiamento con l’avanzare dell’età. Mentre questi biomarcatori possono fornire indicazioni sull’età cronologica di un individuo, la determinazione accurata dell’età biologica rimane una sfida. È importante notare che nessun singolo biomarcatore o combinazione di biomarcatori definisce definitivamente l’età biologica o garantisce l’efficacia degli interventi volti a prolungare l’aspettativa di vita e la durata della vita in buona salute.
L’identificazione degli attuali biomarcatori è derivata in gran parte da studi a lungo termine che hanno monitorato parametri specifici in individui per diversi decenni. Sfruttando grandi insiemi di dati e impiegando algoritmi di machine learning (intelligenza artificiale avanzata), i ricercatori hanno fatto notevoli passi avanti nell’estrapolazione dei biomarcatori associati all’invecchiamento e nella comprensione della loro traiettoria nel tempo.
Alcuni dei biomarcatori attualmente utilizzati per valutare l’età biologica e predire la durata della vita e l’aspettativa di salute includono:
- Lunghezza dei telomeri: I telomeri sono cappucci protettivi alle estremità dei cromosomi che si accorciano a ogni divisione cellulare. La lunghezza dei telomeri è considerata un marcatore dell’invecchiamento cellulare e può riflettere il processo di invecchiamento generale.
- Modificazioni epigenetiche: I cambiamenti epigenetici, come la metilazione del DNA, le modifiche degli istoni e l’espressione dei microRNA, possono influenzare l’attività dei geni senza alterare la sequenza del DNA. Modelli epigenetici specifici sono stati associati all’invecchiamento e alle malattie legate all’età.
- Marcatori infiammatori: L’infiammazione cronica di basso grado, spesso misurata da marcatori come la proteina C-reattiva (PCR), l’interleuchina-6 (IL-6) e il fattore di necrosi tumorale alfa (TNF-alfa), è associata all’invecchiamento e alle malattie legate all’età.
- Livelli ormonali: Con l’invecchiamento può verificarsi una disregolazione ormonale. Ad esempio, la diminuzione dei livelli di ormone della crescita, estrogeni, testosterone e DHEA-S (deidroepiandrosterone solfato) è associata ai processi di invecchiamento e alle patologie legate all’età.
- Marcatori metabolici: Vari parametri metabolici, tra cui la resistenza all’insulina, i livelli di glucosio a digiuno, i profili lipidici e i marcatori dello stress ossidativo, possono fornire indicazioni sulla salute metabolica e sullo stato di invecchiamento di un individuo.
- Marcatori del sistema immunitario: I cambiamenti del sistema immunitario legati all’età, come le alterazioni delle popolazioni di cellule immunitarie, la riduzione della risposta immunitaria e l’aumento dell’infiammazione, possono servire come biomarcatori dell’invecchiamento biologico.
- Misure di prestazione fisica: Le valutazioni delle prestazioni fisiche, come la forza della presa della mano, la velocità di deambulazione e la massa muscolare, possono indicare il declino legato all’età della funzione muscoloscheletrica e della forma fisica complessiva.
Cosa sono gli orologi dell’età biologica e i “deep aging clocks”?
Molti termini sono spesso usati in modo intercambiabile come se avessero lo stesso significato, ma non è così.
Un orologio dell’età biologica (biological age clock) si riferisce tipicamente a un modello o algoritmo che utilizza vari biomarcatori e indicatori di salute per stimare l’età biologica di un individuo. L’orologio dell’età biologica combina questi marcatori per calcolare un valore numerico che rappresenta l’età biologica stimata dell’individuo rispetto alla sua età cronologica.
D’altra parte, un deep aging clock si riferisce specificamente a un tipo di orologio per l’età biologica che utilizza tecniche avanzate di apprendimento automatico, come algoritmi di deep learning con più livelli di reti neurali, per analizzare modelli e relazioni complesse all’interno di grandi insiemi di dati. Questi deep aging clocks sono istruiti sulla base di grandi quantità di dati e sono in grado di estrarre caratteristiche ad alta dimensionalità che non sarebbero immediatamente evidenti o quantificabili da un essere umano attraverso i metodi tradizionali. Sfruttando la potenza del deep learning, questi orologi possono potenzialmente cogliere aspetti più sfumati e sottili dell’invecchiamento biologico e analizzare più biomarcatori, portando a previsioni più accurate dell’età biologica di un individuo.
È importante notare che termini come “orologio di metilazione” o “orologio epigenetico” sono spesso usati impropriamente come riferimenti generici agli orologi dell’invecchiamento. In realtà, si tratta di tipi specifici di orologi dell’età biologica che si concentrano sull’analisi delle modifiche epigenetiche, come i modelli di metilazione del DNA.
Di seguito sono elencati alcuni degli orologi biologici dell’età più diffusi.
L’orologio epigenetico di Horvath (alias DNAm age – Orologio della metilazione)
L’orologio epigenetico del dottor Steve Horvath, noto anche come DNAm Age o orologio della metilazione, ha rivoluzionato la medicina della longevità quando è stato introdotto nel 2013. Questo orologio biologico utilizza la metilazione, un processo di modifica del DNA, come parametro di invecchiamento. Gli embrioni e le cellule staminali pluripotenti indotte (iPSC) iniziano con una metilazione del DNA praticamente assente, che si accumula con la divisione delle cellule. L’orologio studia i profili di metilazione in siti genomici specifici (CpG), stimando efficacemente l’età biologica e rivelando deviazioni indicative di un invecchiamento accelerato o decelerato. Convalidato in vari tessuti e specie, l’orologio di Horvath è uno strumento interessante per comprendere l’invecchiamento, i rischi per la salute legati all’età e gli effetti dello stile di vita sull’età biologica.
Altri orologi di metilazione degni di nota sono DNAm Grim Age e DNAm PhenoAge.
Orologio trascrittomico di Peters et al
L’orologio trascrittomico di Peters et al utilizza la trascrittomica, un approccio incentrato sull’analisi dell’insieme completo dei trascritti di RNA prodotti dal genoma, per fornire un predittore dell’età basato sui profili di espressione genica nel sangue periferico e potenzialmente scoprire deviazioni indicative di malattie legate all’età. Il team ha identificato 1.497 geni i cui livelli di espressione erano significativamente correlati con l’età, offrendo preziose indicazioni sui percorsi e sui processi biologici associati all’invecchiamento.
L’orologio di Zhavoronkov basato sulle analisi del sangue
Fornendo a una rete neurale profonda milioni di esami del sangue di routine che includono valori comuni come il colesterolo, la conta delle cellule e i marcatori infiammatori, il dottor Zhavoronkov è riuscito a creare un algoritmo in grado di prevedere l’età cronologica e di suggerire un invecchiamento prematuro o ritardato negli individui.
Orologio del microbioma di Galkin
L’orologio del microbioma del dottor Galkin rappresenta uno sviluppo nel campo della biologia dell’invecchiamento. Riconoscendo che la nostra flora intestinale subisce cambiamenti con l’avanzare dell’età, il dottor Galkin e il suo team hanno sviluppato un sofisticato deep aging clock. Questo strumento prevede l’età cronologica di un individuo sequenziando il genoma dei suoi batteri intestinali ed elaborando questi dati attraverso un algoritmo specializzato. Questo approccio innovativo fornisce nuove conoscenze sul processo di invecchiamento, offrendo potenzialmente nuovi modi per studiare i cambiamenti legati all’età e il loro impatto sulla salute umana, proponendo nuovi possibili interventi terapeutici mirati al microbiota intestinale e suggerendo collegamenti tra specie microbiche specifiche e il loro impatto sull’aspettativa di vita e lo stato di salute.
Orologio a raggi X delle ossa (BoneXpert)
L’orologio “radiografico” rappresenta l’evoluzione guidata dall’intelligenza artificiale di un metodo tradizionale utilizzato per stimare l’età di un bambino, che consiste nel confrontare le immagini a raggi X della mano di un bambino con un atlante di riferimento contenente immagini a raggi X di bambini di età diverse. In questo approccio innovativo, un algoritmo di deep learning è stato addestrato con oltre 30.000 immagini radiografiche, ciascuna valutata manualmente da più radiologi esperti. Questi vasti dati di addestramento hanno permesso di creare un metodo automatico affidabile e altamente accurato per stimare l’età dalle radiografie, raggiungendo un’impressionante precisione entro un intervallo di sei mesi.
Orologio a risonanza magnetica cerebrale (BrainAGE)
Le scansioni di risonanza magnetica (MRI) forniscono immagini dettagliate della struttura del cervello. Alterazioni specifiche di questa struttura nel tempo sono state collegate al processo di invecchiamento e a varie patologie neurodegenerative.
Il deep machine learning è stato utilizzato per analizzare queste immagini e identificare modelli che potrebbero non essere facilmente distinguibili dall’uomo. Addestrando questi modelli di apprendimento profondo su grandi raccolte di risonanze magnetiche cerebrali abbinate all’età cronologica, ai sintomi e alle condizioni dei soggetti, è possibile sviluppare un modello in grado di prevedere l’età biologica di una persona in base alla sua risonanza magnetica cerebrale. Inoltre, questa tecnica potrebbe prevedere il rischio di sviluppare determinate malattie o facilitare la diagnosi precoce.
Orologio fotografico
Il PhotoAgeClock di Bobrov et al. analizza le immagini della zona perioculare per prevedere l’età di un individuo con una precisione di 1,9 anni.
Limiti e controversie sui deep aging clocks
Sebbene i deep aging clocks e gli orologi biologici rappresentino progressi significativi nella comprensione del processo di invecchiamento, non sono privi di controversie, limitazioni e sfide ancora da affrontare.
Come indicato dalla mia esplorazione dei tratti distintivi dell’invecchiamento, non esiste un singolo meccanismo che governa l’invecchiamento. Si tratta invece di un’interazione complessa di fattori intrecciati tra loro. Pertanto, un intervento mirato a un singolo meccanismo – analizzato da un orologio dell’invecchiamento – potrebbe non registrare alcun cambiamento se visto dalla prospettiva di altri orologi dell’invecchiamento. Questo ci porta alla questione dell’autoconvalida dei risultati: i biomarcatori e gli interventi proposti sono spesso progettati per soddisfare l’uno l’altro, una preoccupazione sollevata dagli esperti del settore.
Prendiamo ad esempio la lunghezza dei telomeri. Sebbene sia correlata all’età cronologica – permettendoci di prevedere l’età cronologica entro un certo margine di errore attraverso la verifica della lunghezza dei telomeri – non riflette necessariamente l’età biologica. Se allunghiamo terapeuticamente i telomeri e l’orologio dell’invecchiamento ci suggerisce che siamo 40 anni più giovani della nostra età cronologica, questo purtroppo non implica che siamo veramente 40 anni più giovani in termini di stato di salute, di aspettativa di salute residua o di aspettativa di vita.
Inoltre, la maggior parte di questi modelli è stata addestrata su gruppi demografici specifici e la loro capacità di prevedere accuratamente l’età, il rischio di malattia o gli esiti di salute in altre popolazioni rimane in dubbio.
Inoltre, il campo è in piena espansione con numerosi orologi dell’invecchiamento e ne emergono continuamente di nuovi. Tuttavia, al momento non sono in grado di predire gli esiti sulla salute con un’accuratezza affidabile. Ciò è dovuto in gran parte alla mancanza di studi completi; la maggior parte delle evidenze disponibili proviene da studi longitudinali che, pur essendo preziosi, non possono fornire un quadro completo.
Infine, le implicazioni etiche di questi orologi sono oggetto di discussione. Se l’età biologica prevista o il rischio di malattia di un individuo differiscono in modo significativo dalla sua età cronologica, come dovrebbero essere utilizzate queste informazioni? Potrebbe portare a discriminazioni o a disuguaglianze nell’accesso alle risorse?
Mentre continuiamo a sviluppare e perfezionare questi strumenti, è importante riconoscere questi limiti e lavorare per risolverli. Nonostante queste sfide, i deep aging clocks e gli orologi biologici offrono strade promettenti per la ricerca e hanno il potenziale per rivoluzionare il modo in cui affrontiamo l’invecchiamento e le malattie legate all’età. Continuando a perfezionare questi strumenti e ad affrontarne i limiti, potrebbero contribuire in modo significativo allo sviluppo di una medicina personalizzata e di interventi sanitari per aumentare l’aspettativa di vita e l’arco di vita in buona salute.
Fonti
- Biohorology and biomarkers of aging: Current state-of-the-art, challenges and opportunities.
F Galkin – Ageing Research Reviews, Jul 2020
DOI: https://doi.org/10.1016/j.arr.2020.101050 - DNA methylation age of human tissues and cell types.
S Horvath – Genome Biology, Oct 2013
DOI: https://doi.org/10.1186%2Fgb-2013-14-10-r115 - The transcriptional landscape of age in human peripheral blood.
MJ Peters – Nature Communications, Oct 2015
DOI: https://doi.org/10.1038/ncomms9570 - Human Gut Microbiome Aging Clock Based on Taxonomic Profiling and Deep Learning.
F Galkin – iScience, Jun 2020
DOI: https://doi.org/10.1016/j.isci.2020.101199 - Deep Aging Clocks: The Emergence of AI-Based Biomarkers of Aging and Longevity.
A Zhavoronkov – Trends in Pharmacological Sciences, Jul 2019
DOI: https://doi.org/10.1016/j.tips.2019.05.004 - Deep biomarkers of aging and longevity: from research to applications.
A Zhavoronkov – Aging, Nov 2019
DOI: https://doi.org/10.18632%2Faging.102475 - Accuracy and self-validation of automated bone age determination.
DD Martin – Nature Scientific Reports, Apr 2022
DOI: https://doi.org/10.1038/s41598-022-10292-y