Současný stav měření biologického věku
Vědecká komunita se dlouhodobě potýká s absencí shody na definici biologického věku, a potažmo i samotného procesu stárnutí. I když je stárnutí na populační úrovni definováno jako zvyšující se riziko úmrtnosti v důsledku vnitřních příčin, tyto obecné definice nejsou dostatečně citlivé pro přesné stanovení biologického stavu u jednotlivce. Praktické měření stárnutí se dosud opíralo o řadu dílčích indikátorů, mezi které patří například nahromadění senescentních buněk, snížení mitochondriální funkce, zkracování telomer, rychlost buněčného dělení nebo změny v imunitních biomarkerech. Přestože tyto parametry umožňují sledovat určité trendy, žádný z nich sám o sobě neposkytuje jednoznačný obraz o celkovém biologickém věku konkrétního člověka.
Vývoj metodik a algoritmy založené na strojovém učení
S rostoucím zájmem o intervence zaměřené na stárnutí jako na léčitelný medicínský stav se rozšiřuje i využívání algoritmických metod, mezi které patří takzvané epigenetické hodiny. Tyto nástroje vznikají aplikací technik strojového učení na velké soubory biologických dat. Současný výzkumný proces je cyklický: sběr dat o co největším počtu jedinců vede k hledání nových vzorců, které následně zpřesňují definice stárnutí a vedou k vývoji dalších měřicích metod. Cílem tohoto úsilí je vytvořit konsenzuální měřítko, které by bylo klinicky využitelné pro individuální hodnocení zdravotního stavu.
Souvislost mezi socioekonomickým statusem a mortalitou
Jednou z oblastí, kde se vědci snaží porozumět mechanismům stárnutí, je vliv socioekonomického postavení na délku života. Statisticky významné rozdíly v očekávané délce života mezi různými demografickými skupinami, definovanými rasou, etnikem, příjmem či vzděláním, naznačují, že sociální stratifikace přímo ovlivňuje zdravotní výsledky jednotlivců. Otázkou zůstává, jakou měrou tyto faktory přispívají k akcelerovanému stárnutí a jakými biologickými mechanismy se tak děje.
Výsledky studie zaměřené na epigenetické hodiny
Nově publikovaná studie, která analyzovala data z programu NHANES z let 1999 až 2002, se zaměřila na zprostředkující roli DNA metylačních hodin ve vztahu mezi socioekonomickými faktory a úmrtností. Výzkum ukázal, že nástroje jako GrimAge2 a DunedinPoAm dokážou vysvětlit významnou část rozdílů v mortalitě napříč různými demografickými skupinami.
V případě ukazatele GrimAge2 bylo zjištěno, že zprostředkovává 21 procent rozdílu v úmrtnosti mezi lidmi se středoškolským a vysokoškolským vzděláním, a v případě profesního zařazení může tento podíl dosahovat až 52 procent. Parametr DunedinPoAm vysvětlil 28 procent rozdílu v úmrtnosti mezi sledovanými etnickými skupinami. Výsledky naznačují, že epigenetické hodiny vykazují vyšší schopnost zachytit tyto rozdíly než tradiční klinické biomarkery. Tato zjištění představují další krok v pochopení biologických procesů, které stojí za pozorovanými zdravotními nerovnostmi v populaci.