تُبنى ساعات الشيخوخة التخلقية على مئات الآلاف من مواقع CpG، لكن جزءًا صغيرًا منها فقط يحمل معلومات عن العمر. والمصفوفات الشاملة للجينوم مكلفة وفائضة عن الحاجة للفحص الروتيني. وتقع بجوار هذه الدراسة أبحاث في ترشيح الإشارات واختيار السمات، حيث يُبحث أيضًا عن تمثيلات مُدمجة. أما هذه المقالة فتقع على الهامش: أقرب جيرانها يعملون على كواشف عصبية لمقاومة المضادات الحيوية، وخرائط شيخوخة الخلايا، ومُتنبِّئات جينية لسرطان الثدي. والمجموعة الموضوعية العامة مرتبطة بتحويل فورييه ومعالجة الإشارات، لكن لا توجد تقاطعات مباشرة في المنهج. وتجيب الدراسة عن سؤال عملي: هل يمكن الحفاظ على دقة الساعة مع الاحتفاظ بجزء ضئيل فقط من العلامات؟
استُخدمت مجموعة البيانات العامة GSE40279: مثيلة الحمض النووي DNA في الدم الكامل لـ 656 شخصًا من أعمار مختلفة، مقيسة بشريحة Illumina 450K. وللاختيار الأولي أُخذت 1000 موقع CpG ذات أعلى ارتباط مطلق بالعمر. ثم قُسِّمت البيانات عشوائيًا 30 مرة إلى مجموعتين: تدريب (80%) واختبار (20%) ببذور مختلفة لمولِّد الأرقام. وكان كل مرشح في MOSurvivor يُرمِّز أوزانًا لكل مواقع CpG الألف، وعتبة اختيار، وثمانية معاملات فائقة لنموذج XGBoost (عمق الأشجار، معدل التعلم، عدد الأشجار، نسب الصفوف والأعمدة، الوزن الأدنى للورقة، غاما، تنظيم L2). وكان موقع CpG يُنشَّط إذا تجاوز وزنه العتبة؛ ويُبقي مُعامِل الاستعادة عدد المواقع المختارة في نطاق 50–300. وسارت التحسينات وفق مبدأ «البقاء للأصلح»: تُقسَّم الجمهرة إلى مجموعتين، وتحدد المنافسات الثنائية الفائزين، ويراعي تحديث المرشحين الأفضل في الزوج، والأفضل في المجموعة، والمتصدر العالمي، والمتصدرين من أرشيف باريتو. واختير الحل النهائي وفق مجموع متوسط الخطأ المطلق في التحقق المتقاطع مع عقوبة على حجم المجموعة الفرعية (0.10 × نسبة مواقع CpG المختارة). وللمقارنة استُخدم النموذج الكامل على مواقع CpG الألف كلها، والبحث العشوائي، والخوارزمية الجينية، وطريقة سرب الجسيمات.
أظهر النموذج الكامل XGBoost على مواقع CpG الألف كلها أدنى متوسط خطأ مطلق (MAE) عند 4.095 سنة. أما MOSurvivor فبلغ متوسط خطأه المطلق 4.149 سنة، وPSO 4.124، والخوارزمية الجينية 4.170، والبحث العشوائي 4.197. وفي المقابل اختار MOSurvivor في المتوسط 211.6 موقع CpG مقابل 293.4 لـ PSO، و269.6 للخوارزمية الجينية، و278.7 للبحث العشوائي. وبالنسبة إلى مواقع CpG الألف، يعني ذلك تقليص الأبعاد بنسبة 78.8% مقابل زيادة في الخطأ مقدارها 0.054 سنة (نحو 19.8 يومًا). ولم تكشف اختبارات ويلكوكسون الزوجية مع تصحيح هولم عن فروق ذات دلالة إحصائية مع أي من المنافسين (جميع قيم p > 0.05). وكان MOSurvivor أدق من النموذج الكامل في 10 فقط من 30 تقسيمًا. وجاء استقرار الاختيار منخفضًا: بلغ متوسط مؤشر جاكار بين أزواج المجموعات الفرعية الثلاثين 0.124 ± 0.030. وظهرت تسعة مواقع CpG في 15 تشغيلًا على الأقل، لكن أيًّا منها لم يظهر في التشغيلات الثلاثين كلها. وأكثر المواقع تكرارًا cg16867657 ظهر في 29 تشغيلًا، تلاه cg04400972 (24) ثم cg14361627 (20).
تُظهر الدراسة أن التحسين المشترك لاختيار السمات والمعاملات الفائقة يتيح ضغط ساعات التخلق الجيني إلى الخُمس دون خسارة ذات دلالة إحصائية في الدقة. وخلافًا للأبحاث المجاورة التي يُركَّز فيها على الدقة المطلقة أو التفسير البيولوجي، تُعالَج هنا مسألة حسابية تتعلق بإيجاد أصغر مجموعة من العلامات. وهذا مقياس مختلف: ليس اكتشاف مؤشرات حيوية جديدة، بل اقتصاد هندسي في الموارد. ويشير ضعف قابلية إعادة إنتاج الاختيار بين التشغيلات إلى فائض كبير في مواقع CpG: فمجموعات مختلفة تعطي تنبؤًا شبه متطابق. وعمليًا، يعني هذا إمكان تصميم لوحات مستهدفة أقل تكلفة، لكن الدلالة البيولوجية للمواقع الفردية ينبغي التحقق منها على حدة.
من المجدي إدماج اختيار مواقع CpG في الحلقة الخارجية للتحقق المتقاطع، لتجنب تسرب المعلومات من بيانات الاختبار. ويمكن أيضًا إضافة توصيف بيولوجي للمواقع المختارة والتحقق من إثرائها في الجينات والمناطق التنظيمية. وستُظهر المقارنة مع ساعتي هورفاث وهانوم المنشورتين على العينات نفسها مدى تفوق النموذج المُدمج أو عدم تفوقه على النماذج الكلاسيكية. ومن الممكن التوسع إلى أنسجة ومجموعات أخرى، وتكييف الطريقة مع أنواع أخرى من بيانات الأوميكس حيث تكون السمات كثيرة والعينات قليلة.
ستفيد النتائج مطوِّري اختبارات الشيخوخة التخلقية: فاللوحات الأصغر أقل تكلفة في الإنتاج وأسهل في التفسير. ويمكن نقل طريقة التحسين المشترك إلى مهام أخرى عالية الأبعاد، مثل اختيار مؤشرات النسخ الجيني أو البروتيوم.
إعادة التحليل مع اختيار مواقع CpG اختيارًا صحيحًا داخل كل تقسيم تدريبي، وإجراء تحقق خارجي على مجموعة مستقلة. وموازنة ميزانيات الحساب لجميع المُحسِّنات والإبلاغ عن زمن التشغيل، حتى يمكن الحكم على الكفاءة.
المشكلة الرئيسية غير المحلولة في تخلق الشيخوخة هي قابلية تفسير الساعة بيولوجيًا. ويؤكد ضعف قابلية إعادة إنتاج اختيار مواقع CpG في هذه الدراسة أن المجموعات المثلى إحصائيًا قد لا تتطابق مع المواقع ذات الأهمية السببية. وتبقى الصلة بين مثيلة مواقع CpG محددة وآليات الشيخوخة سؤالًا مفتوحًا، وهذه المقالة لا تقرِّبنا من حله، بل تُظهر فقط أن التنبؤ يمكن الحصول عليه بطرق متكافئة كثيرة.
بلغ الفرق في الخطأ بين النموذج الكامل وMOSurvivor 0.054 سنة، أي نحو 19.8 يومًا. وللمقارنة، كان الانحراف المعياري للخطأ بين تقسيمات البيانات المختلفة نحو 0.3 سنة، أي أكبر بخمس مرات. وبذلك يأتي توفير 788 موقع CpG أرخص من التشتت الطبيعي الناتج عن اختيار مجموعة التدريب.
لم يُنشر على arXiv. هنا صفحته وملف PDF والصياغة الشكلية: يمكنك التحقق بنفسك، لا مجرد قراءة تحليلنا.