Ein Forschungsteam der Universität Wien und der Nankai-Universität hat durch die Kombination von Metabolomik, künstlicher Intelligenz und Netzwerkmodellierung zentrale molekulare Prozesse des aktiven Alterns entschlüsselt. Die im Fachjournal npj Systems Biology and Applications veröffentlichte Studie identifiziert Aspartat als maßgeblichen Biomarker für körperliche Fitness und zeigt, wie diese Moleküle ein gesünderes Altern fördern.

Die Wissenschaftler entwickelten einen Body Activity Index (BAI), der Ausdauer, Kraft und Koordination durch Tests wie Gehstrecke, Handkraftmessung und Gleichgewichtstests misst. Parallel dazu wurde ein Metabolomics Index aus Blutkonzentrationen von 35 Metaboliten erstellt. In 263 Blutproben älterer Erwachsener zeigte sich eine starke Korrelation (0,85, p < 1 × 10⁻¹⁹) zwischen beiden Indizes, was die Verbindung zwischen molekularer Signatur und körperlicher Fitness belegt.

Mithilfe von fünf KI-Modellen, darunter Boosting-Modelle wie GBM und XGBoost, wurden aktive von weniger aktiven Personen mit über 91 % Genauigkeit unterschieden. Acht Metaboliten, insbesondere Aspartat, erwiesen sich als zentrale Prädiktoren für Aktivitätsniveau. Das Modellierungs-Tool COVRECON analysierte die biochemischen Interaktionen und identifizierte die Enzyme Aspartat-Aminotransferase (AST) und Alanin-Aminotransferase (ALT) als Schlüsselpunkte. Bei aktiven Personen schwankten diese Enzyme stärker, was auf eine höhere metabolische Flexibilität in Leber- und Muskelstoffwechsel hinweist.

Aspartat spielt nicht nur im Stoffwechsel, sondern auch im Gehirn eine Rolle, da es Vorläufer von Neurotransmittern ist und NMDA-Rezeptoren aktiviert, die für Lernen und Gedächtnis wichtig sind. Die Studie legt nahe, dass körperliche Aktivität durch Veränderungen im Aspartat-Stoffwechsel eine Verbindung zwischen Muskel-Leber-Gesundheit und kognitiver Widerstandsfähigkeit herstellt.

Original Paper:

Machine learning and data-driven inverse modeling of metabolomics unveil key processes of active aging | npj Systems Biology and Applications

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.