Unravelling Aging through Autophagy and Artificial Intelligence

Abstract

Autophagy는 결함이 있는 세포소기관, 독성 단백질 및 다양한 기타 응집체를 Autophagosome로 격리시킨 후, 리소좀과 결합하여 분해하고 재활용되는 진화적으로 보존된 과정이다. 만약 이 응집체들이 제거되지 않으면, 이들은 축적되어 세포를 손상시켜 결국에는 노화를 유발한다. 줄기 세포는 분화 능력을 가지고 있으며 조직의 항상성에서 매우 중요하다. 분화와 더불어 줄기세포의 줄기세포능도 보존되어야 한다. 줄기 세포에 대한 최근 연구는 세포 노화를 피하고 손상된 세포를 회복하는 데 Autophagy의 중요성을 보여준다. 내 연구의 1부에서는 노화 관련 청력 손실에 대해 이 전략을 수행하였다. 스트레스를 받는 동안 세포 내에서 Autophagy메커니즘이 활성화하면 유도된 스트레스로부터 세포를 보호할 수 있다. 다양한 청각 독성 조건에서 Autophagy flux의 손상은 청각을 손상시키는 주요 요인으로 보고되었다. 이 연구에서 나는 카나마이신과 푸로세마이드로 치료한 후 손상된 Autophagy 플럭스를 복원하기 위해 Rolipram을 사용했습니다. 카나마이신과 푸로세마이드를 농도 별로 처리 시 Hei-OC1 세포의 생존력이 고갈되는 것을 관찰했다. PDE4 억제제인 Rolipram의 처리는 세포 독성으로부터 세포를 보호하기 위해 손상된 Autophagy flux회복시키는데 효과적이었다. 나는 또한 rolipram 처리 시 autophagy의 활성을 발견했다. Autophagy에 의해 보호 효과가 있는 것인지 확인하기 위해, 나는 Autophagy 억제제인 Choloroquine을 사용했으며 LC3 I에서 LC3 II로의 전환에 관여하는 Atg7 유전자도 넉다운하였다. 그 결과, Autophagy 억제한 Hei-OC1 세포에서는 Rolipram에 의한 보호효과를 관찰할 수 없었다. 우리 연구의 결과는 autophagy flux의 활성화가 독성을 완화할 수 있고, rolipram 사용은 세포독성 조건에서 Hei-OC1 세포를 보호하는데 도움이 된다는 것을 확인시켜준다. 본 Autophagy가 스트레스로부터 세포를 보호하고 수명을 연장하는 실행 가능한 매커니즘으로 확인했지만, 노화의 기본 매커니즘을 밝혀내는 것은 매우 복잡하고 많은 지식을 요구한다. 따라서 연구의 2부에서는 최첨단 인공 지능(AI) 기술을 사용하여 노화 과정에서 발생하는 후성유전학적 패턴을 분석했다. 지난 10년 동안 많은 생물학적 정보와 최신 머신 러닝 기술의 급속한 발전은 후성유전학 연구를 증가시켰다. 이것은 오믹스 데이터를 통해 인간이나 다른 유기체의 생물학적 나이를 측정할 수 있는 능력을 향상시켰다. DNA 메틸화 어레이 데이터는 일반적으로 메틸화 연령 예측에 사용된다. 최초이자 일반적인 모델 중 하나인 Horvath clock은 더 높은 정확도와 여러 조직의 예측 가능성으로 인해 DNA 메틸화 연령 예측 시계로 다양한 노화 연구에서 채택되었다. 현재 연구에서는 공개적으로 사용 가능한 illumina 450k 및 EPIC 어레이 메틸화 데이터 세트를 사용하여 pan tissue methylation-aging clock 를 개발했다. 그 과정에서 나는 많은 조직의 나이를 예측할 수 있을 만큼 진보된 매우 정확한 후생유전학적 시계를 개발했다. 모델을 훈련하기 위해 교차 검증과 함께 탄성 망 회귀를 사용했슴니다 또한 선택한 프로브의 생물학적 유의성에 대해 분석했다. 선택한 특성을 추가로 분석한 결과, 노화에 대한 길항적 다면발현 이론을 뒷받침하는 증거를 발견했다. 모델을 훈련하기 위해 10배 교차 검증과 함께 elastic net regression을 사용했다. 모델의 성능은 여러 지표를 사용하여 평가되었다. Elastic net regression 모델은 최상의 특징으로 6,761개의 프로브를 선택했다. 선택한 프로브의 생물학적 관련성을 분석했다. 나는 후성적 노화 과정이 30세 전후에 시작된다는 것을 발견했고 또한 100세 이상에서 노화 속도가 느려지는 것을 관찰했다. 선택한 특징들을 더 자세히 분석한 결과, 길항 다발성 노화 이론을 뒷받침하는 증거를 발견했다. |Autophagy is an evolutionarily conserved process that degrades and recycles defective organelles, toxic proteins, and various other aggregates on the cytoplasmic surface by sequestering them into autophagosomes which, then, fuse with lysosomes which degrade them. If these aggregates are not cleared, they accumulate and damage the cell resulting in cellular senescence and aging. Stem cells, with their capacity to differentiate, are crucial for tissue homeostasis. In addition to differentiation, the stemness of stem cells must be preserved. Recent studies in stem cells show the importance of autophagy in evading cellular senescence and restoring the lost cells. In the part one of my study I have implemented this strategy over age related hearing loss. By activating autophagy mechanism in the cells during stress, I could able to protect the cell from induced stress. Failure of autophagy flux has been reported as a major factor that impair hearing sense during various ototoxic conditions. In this study I used rolipram to restore the autophagy flux, which was failed upon the treatment of kanamycin and furosemide. Upon dose dependent treatment of kanamycin and furosemide, I observed depletion in the viability of the Hei-OC1 cells. The treatment of rolipram has been effective in retrieving the failed autophagy flux to protect the cells from the cytotoxicity. Previous studies by various groups have shown the positive role of autophagy in the protection of cells. I have also found the activation of autophagy upon rolipram treatment. Although to make sure that the protective effect is by autophagy I used an autophagy inhibitor choloroquine and also knocked down the Atg7 gene which involves in the conversion of LC3 I to LC3 II. On the inhibition of autophagy the treatment of rolipram could not protect the Hei-OC1 cells. The results of my study confirms that the activation of the autophagy flux could alleviate the toxicity and the use of rolipram helped in the protection of the Hei-OC1 cell during cytotoxic conditions. Though autophagy is a viable mechanism to prevent cells during stress and prolong their life span, it is indeed better to unravel the fundamentals of the aging mechanism. Therefore, in the second part of the study I used the cutting-edge Artificial intelligence (AI) technology to unravel the epigenetic patterns during aging process. The abundance of the biological data and the rapid evolution of the newer machine learning technologies have increased the epigenetics research in the last decade. This has enhanced the ability to measure the biological age of humans and different organisms via their omics data. DNA methylation array data are commonly used in the prediction of methylation age. Horvath clock has been adopted in various aging studies as a DNA methylation age predicting clock due to its higher accuracy and multi tissue prediction potential. In the current study, I have developed a pan tissue methylation-aging clock by using the publicly available illumina 450k and EPIC array methylation datasets. In doing that, I developed a highly accurate epigenetic clock, which predicts the age of multiple tissues with higher accuracy. I used elastic net regression with a 10 fold cross validation to train the model. The model’s performance was evaluated by using numerous metrics. The elastic net regression model selected 6,761 probes as the best features. I have analyzed the selected probes for their biological relevance. I found that the epigenetic aging process starts around the chronological of 30 and also I observed slower aging rate in centenarians. Upon analyzing the selected features further, I found out evidences, which support the Antagonistic pleiotropy theory of aging.