في قاعة مقابلات يتقدّم ألف مرشح، لكن التعيين سيكون لمئتين فقط. كان يُظنّ سابقًا أن التقدير الدقيق للعمر انطلاقًا من الحمض النووي DNA يقتضي سؤال كل واحد من الألف موضعًا حيث تُغيّر العلامة الكيميائية نشاط الجين. أما الآن فقد اتضح أن الاستماع إلى خُمسهم فقط يكفي، وأن القرار النهائي لن يتغيّر تقريبًا.
أخذ العلماء دمًا من 656 شخصًا وقاسوا المثيلة في 1000 موضع CpG هي الأكثر ارتباطًا بالعمر. ثم بنوا مُحسِّنًا باسم MOSurvivor يختار في الوقت نفسه المواضع الغنية بالمعلومات ويضبط ثمانية معاملات لخوارزمية XGBoost (وهي طريقة تعلّم آلي قائمة على أشجار القرار). وكان كل مرشح في هذا المُحسِّن يرمّز أوزانًا للمواضع الألف كلها، وعتبة الاختيار، وإعدادات النموذج. فإذا تجاوز وزن الموضع العتبة، صار الموضع مُنشَّطًا، في حين أبقت عملية خاصة عدد المواضع المختارة في نطاق يمتد من 50 إلى 300.
وخلُص MOSurvivor إلى إبقاء 211.6 موضع CpG في المتوسط، فقلّص الأبعاد بنسبة 78.8% مقارنةً بالنموذج الكامل. ولم يزد متوسط الخطأ المطلق في التنبؤ بالعمر سوى 0.054 سنة، أي نحو 20 يومًا. وللمقارنة، فإن التشتت الطبيعي للخطأ بين تقسيمات البيانات المختلفة يبلغ نحو 0.3 سنة، أي خمسة أضعاف ذلك. ولم تجد الاختبارات الإحصائية أي فروق ذات دلالة عن النموذج الكامل أو عن مُحسِّنات أخرى.
لكن اللافت للنظر أن إعادة تشغيل عملية الاختيار من جديد تعطي قائمة من 212 موضعًا لا تكاد تتطابق مع سابقتها. فقد بلغ متوسط مؤشر جاكار (وهو مقياس تشابه مجموعتين) بين أزواج المجموعات الفرعية 0.124 فقط. وهذا يعني أن مواضع CpG تحمل فائضًا كبيرًا: فمجموعات مختلفة تعطي تنبؤًا شبه متطابق. وعمليًا، يفتح ذلك الطريق أمام لوحات مستهدفة منخفضة الكلفة يُهمّ فيها الاقتصاد في عدد المسابر، لكن الأهمية البيولوجية لكل موضع على حدة تظل بحاجة إلى تحقق مستقل.
وهكذا فإن مقابلة يُختار فيها مئتان من بين ألف مرشح، من دون سؤال الباقين، تعطي النتيجة نفسها تقريبًا. ويبقى السؤال: مَن بالضبط سيدخل هذه القائمة القصيرة؟ وفي المرة القادمة قد تكون مختلفة تمامًا.
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.