【技术实现步骤摘要】
本专利技术属于生物学年龄评估，涉及一种无创快速人体生物学年龄预测模型及检测系统，具体是涉及一种基于身体成分数据构建生物学年龄的预测模型和检测系统，适用于中国人群。
技术介绍
1、人口老龄化是全世界共同面临的严峻考验。肌肉功能的衰减是机体随着年龄增长所表现出的最典型变化之一，加剧老年人跌倒、失能、致残和认知障碍等健康风险。对肌肉量和功能的准确评估，将有助于提高老年人保持运动功能、实现主动健康的内在能力。因个体的异质性，时序年龄(chronological age，ca)反映肌肉衰减程度的准确性有限；与之对应的生物学年龄(biological age，ba)则可较客观地评价肌肉衰减真实情况，协助在生命早期(如中青年期)识别高危个体，理解肌肉衰减过程中的影响因素，辅助干预效果的评价，具有重要理论和现实意义。
2、目前针对肌肉衰减程度的检测项目，如握力、生物电阻抗(bio-impedanceanalysis，bia)、双能x线(dual-energy x-ray absorptiometry，dxa)、步速等，虽然从不同维度粗略反应个体现时的、表观的肌肉状况，协助肌少症(sarcopenia)的诊断(中华老年医学杂志,2023,42(2):144-153.)，但仍无法评估人体肌肉的生物学年龄。已有研究开发了基于血液dna甲基化模式(“表观遗传时钟”)(nat rev genet 2018；19:371–84.)或蛋白质组(“蛋白质时钟”)的人体生物学年龄测量方法(geroscience.2022dec；44(6):2573-
3、体成分是衰老研究的重要方向，与年龄相关的体成分变化是肌少症发生和发展的内在诱因。随着年龄的增长，人体成分发生显著变化，包括肌肉和骨量进行性下降，全身脂肪总量增加，内脏脂肪蓄积等。这些表型反映了身体稳态的变化，与多种不良健康结局显著相关，包括衰弱、肌少症、死亡风险增加等。可见，对肌肉相关体成分指标的特异性检测更能反映人体生物学年龄，且相比于来源于体循环生理指标的有创检测，体成分指标的获取具有无创优势，操作简便，几分钟内即可完成。利用简单、低成本、无创的方法测量人体肌肉相关体成分，预测生物学年龄，对准确及早预防衰老相关疾病及不良健康结局、促进健康老龄化具有重要意义。
4、截止目前，fermín-martínez等人利用美国nhanes数据库，分别以男性的腰围身高比(waist-to-height ratio，whtr)、臂围和大腿围，女性的体重、whtr、大腿围、肩胛下和三头肌皮肤褶皱作为参数建立了男性和女性的年龄预测模型“anthropoage”，以及使用bmi和whtr生成简化版年龄预测模型“s-anthropoage”(aging cell.2023jan；22(1):e13756.)。然而，东西方不同人群由于饮食结构、遗传因素以及文化背景等差异，肌肉相关体成分和骨骼肌衰减状况亦存在较大差异，以西方人群体成分数据为基础的预测模型不能完全反映中国人群真实的生物学年龄。
5、基于以上背景，目前急需建立一种基于中国人群体成分指标的生物学年龄预测模型，开发适用于中国人群的生物学年龄无创快速检测系统，准确评估个体的真实肌肉状态，有利于在生命早期(如中青年期)对肌肉衰减高风险人群进行分层管理和预防保健。
技术实现思路
1、针对现有生物学年龄测量技术不能快速反映肌肉功能复杂性的不足，本专利技术纳入更丰富的体成分变量多样性与精细的建模方法相结合，提供一种基于体成分数据的快速无创生物学年龄预测模型及检测系统。
2、本专利技术构建的预测模型包含较全面的体成分指标，这些指标通过低成本且易于实施的人体测量学工具即可获得，适用于中国人群，并可实现1～3分钟快速无创检测；本专利技术还将该预测模型应用于现有仪器，开发适用于中国人群的生物学年龄快速检测系统，具有较高的稳定性。使用者利用该专利技术可实现个体生物学年龄科学评价，为中国人群的生物学年龄评估和衰老相关疾病的研究和防治提供重要工具。
3、本专利技术是通过以下技术方案来实现的：
4、一种无创快速人体生物学年龄预测模型的构建方法，包括如下：
5、(1)体成分样本数据的获取：采集健康体检人群的体成分数据，所述体成分数据包括肌肉脂肪分析、人体成分分析、肥胖分析、肌肉均衡分析、节段水分分析、节段细胞外水分比率分析、细胞外水分比率分析、节段脂肪分析、身体测量等信息。
6、(2)体成分样本数据的预处理：分性别利用盖帽法处理异常值，将99％以上的点值赋值为99％的点值，小于1％的点值赋值为1％的点值；利用完全随机化方法，分性别将样本按照7：3的比例划分为训练集和验证集(图2)；在各性别训练集中，利用r语言shapiro.test()函数进行正态性检验，对不符合正态分布(p<0.05)的体成分指标进行对数转换。
7、(3)利用统计学标准在各性别训练集中筛选用于构建模型的候选衰老相关体成分指标。
8、(4)基于候选衰老相关体成分指标，基于弹性网络回归算法进一步进行特征筛选，构建生物学年龄评价模型。
9、(5)对得到的生物学年龄评价模型进行评估。
10、此外，还可基于构建出的生物学年龄评价模型，搭建一个无创快速的检测系统。
11、体成分指标的获取是本专利技术的重点。体成分的获得很大一部分取决于所依托的队列资源和检测设备。由于诸多限制(如体成分仪器搬动相对困难)，大规模流行病学调查所提供的生物数据大多来自血浆或血清，体成分数据有限。作为一种实施方案，本专利技术选择了中国浙江增龄健康纵向队列研究(zhejiang longitudinal study of healthy aging，jasha)中具有体成分数据的18-87岁人群进行生物学年龄构建；从2022年6月至2023年6月，共有761例参与者同意参与本研究，并提供了书面知情同意书。jasha调查通过了浙江大学公共卫生学院和东阳市人民医院伦理委员会批准。
12、体成分指标的选择有一些不同的方法/标准，本专利技术中应用统计的思想筛选体成分指标，充分考虑了体成分与年龄的关联以及体成分之间的共线性，以最大限度地选择出具有代表性的体成分指标组合。作为一种实施方案，在各性别训练集中，首先以时序年龄作为因变量，逐一对76个体成分指标随年龄变化做线性拟合，利用错误发现率(falsediscovery rate,fdr)方法进行多重校正，得到女性候选生物学年龄相关体成分指标22个，男性候选生物学年龄相关体成分指标60个(fdr<本文档来自技高网...
【技术保护点】
1.一种无创快速人体生物学年龄预测模型的构建方法，其特征在于，包括如下：
2.根据权利要求1所述的无创快速人体生物学年龄预测模型的构建方法，其特征在于，所述的筛选体成分指标具体包括如下：在各性别训练集中，以时序年龄作为因变量，逐一对所有备选体成分指标随年龄变化做线性拟合，利用错误发现率FDR方法进行多重校正，以FDR<0.05分别得到女性候选生物学年龄相关体成分指标及男性候选生物学年龄相关体成分指标。
3.根据权利要求1所述的无创快速人体生物学年龄预测模型的构建方法，其特征在于，采用弹性网络回归的方法对用于构建预测模型的体成分指标进行进一步特征选择，具体包括：利用R语言软件包“caret”实现自动化调参过程，对一系列可能的alpha和lambda值执行网络搜索，惩罚参数lambda采用10折交叉验证的方法确定，评价指标为均方根误差，最终女性预测模型最佳参数值组合为alpha＝0.1，lambda＝0.048，男性预测模型最佳参数值组合为alpha＝0.9，lambda＝0.011。
4.根据权利要求1所述的无创快速人体生物学年龄预测模型的
5.一种无创快速人体生物学年龄预测模型，其特征在于，基于如权利要求1所述的方法构建得到，所构建的女性的生物学年龄的预测模型为：
6.一种无创快速人体生物学年龄预测模型，其特征在于，基于如权利要求1所述的方法构建得到，所构建的男性的生物学年龄的预测模型为：
7.一种无创快速人体生物学年龄预测方法，其特征在于，所述方法为基于如权利要求1-4任一项所述方法构建的模型或权利要求5～6任一项所述的模型，先测得所述模型中涉及的体成分指标，再基于所述模型得出生物学年龄。
8.一种无创快速人体生物学年龄预测装置，其特征在于，所述装置包括生物学年龄预测模块，所述生物学年龄预测模块中设置有如权利要求1-4任一项所述方法构建的模型或权利要求5～6任一项所述的预测模型中的一种或多种，所述生物学年龄预测模块用于接收输入的体成分指标数据并输出基于所述预测模型得出的生物学年龄结果。
9.一种无创快速人体生物学年龄检测系统，其特征在于，所述系统包括如权利要求8所述的装置，还包括体成分指标检测模块，体成分指标检测模块用于检测生物学年龄预测模块所需的体成分指标，并将其输出至生物学年龄预测模块中。
...【技术特征摘要】
1.一种无创快速人体生物学年龄预测模型的构建方法，其特征在于，包括如下：
2.根据权利要求1所述的无创快速人体生物学年龄预测模型的构建方法，其特征在于，所述的筛选体成分指标具体包括如下：在各性别训练集中，以时序年龄作为因变量，逐一对所有备选体成分指标随年龄变化做线性拟合，利用错误发现率fdr方法进行多重校正，以fdr<0.05分别得到女性候选生物学年龄相关体成分指标及男性候选生物学年龄相关体成分指标。
3.根据权利要求1所述的无创快速人体生物学年龄预测模型的构建方法，其特征在于，采用弹性网络回归的方法对用于构建预测模型的体成分指标进行进一步特征选择，具体包括：利用r语言软件包“caret”实现自动化调参过程，对一系列可能的alpha和lambda值执行网络搜索，惩罚参数lambda采用10折交叉验证的方法确定，评价指标为均方根误差，最终女性预测模型最佳参数值组合为alpha＝0.1，lambda＝0.048，男性预测模型最佳参数值组合为alpha＝0.9，lambda＝0.011。
4.根据权利要求1所述的无创快速人体生物学年龄预测模型的构建方法，其特征在于，最终用于构建预测模型的体成分指...
【专利技术属性】
技术研发人员：刘足云，贾雪晴，王丽，邵静，孙凯丽，曹星琦，张黎明，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。