La era del big data está aquí:el mundo ha creado más datos en los últimos dos años que en toda la historia previa de la raza humana. Los investigadores de la Escuela de Gerontología Leonard Davis de la USC están diseccionando tesoros de información, de fuentes tan diversas como escáneres cerebrales y el genoma humano, para impulsar investigaciones innovadoras sobre cómo mejorar la forma en que envejecemos. y remodelar la educación en gerontología para permitir que los futuros científicos tengan un impacto en un campo cambiante.

La gerontología está lista para adoptar las herramientas más nuevas, en parte porque el campo siempre ha involucrado grandes conjuntos de datos, dice Mireille Jacobson, microeconomista y profesor asociado de gerontología en la Escuela Leonard Davis de la USC. Por ejemplo, Su trabajo se ha basado en grandes conjuntos de datos de población y, en cierto modo, eso no ha cambiado, ella dice. "Es principalmente que hay más y más datos disponibles".

Jacobson trabaja con datos de Medicare y otras bases de datos disponibles públicamente para comprender cómo el seguro médico afecta el bienestar de las personas mayores. Por ejemplo, un análisis de los datos de Medicare encontró que recibir los beneficios de Medicare puede ayudar a reducir el estrés financiero en las personas mayores de 65 años. También investiga a los proveedores de atención médica y cómo toman decisiones de atención en respuesta a varios factores externos, incluyendo nuevas recomendaciones de detección y escasez de medicamentos.

"El esfuerzo por digitalizar y hacer que todo esté disponible electrónicamente es algo nuevo, " ella agrega.

Jacobson es parte de un grupo de investigadores en gerontología de la Escuela Leonard Davis de la USC que se están sumergiendo en grandes conjuntos de datos para comprender mejor el envejecimiento y la esperanza de vida. Su trabajo tiene implicaciones importantes para la formación de estudiantes y para la creación de mejores conjuntos de datos, que puede ayudar a los investigadores a comprender mejor los factores de riesgo individuales, identificar el papel de los genes en la enfermedad y desarrollar intervenciones más precisas.

Moviéndose a través de disciplinas

Em Arpawong, profesor asistente de investigación de gerontología y director del Núcleo de Bioinformática de Gerontología, busca reunir información diversa para comprender mejor cómo interactúan los componentes genéticos y ambientales para producir diferentes resultados de salud en los adultos mayores. Su trabajo actual integra el uso de enfoques de modelado de gemelos y familias en todo el genoma a partir de grandes conjuntos de datos que representan a cientos de miles de personas durante muchas décadas. como el Estudio de salud y jubilación de EE. UU. y el Estudio de envejecimiento del talento del proyecto, ambos abarcan décadas de seguimiento con decenas de miles de participantes.

Arpawong dice que estudiar el envejecimiento es único en el campo de la investigación de la salud porque hay muchas cosas que suceden temprano en la vida que impactan la trayectoria de una persona más adelante.

"Adopto un enfoque de desarrollo a lo largo de la vida para estudiar los efectos de las condiciones de vida anteriores en la salud de la vida posterior, incluida la genética, comportamientos y factores contextuales como el nivel socioeconómico y la adversidad familiar, " ella dice, "y esto requiere reunir una gran cantidad de piezas de datos".

Trabajar en proyectos como crear un índice de fragilidad, desarrollar una exploración de todo el genoma para la sintomatología depresiva en adultos mayores, calcular cómo los factores genéticos y ambientales contribuyen a los cambios cognitivos relacionados con el envejecimiento y evaluar la estabilidad de los marcadores de resonancia magnética para la demencia requiere muchas habilidades en diferentes áreas y colaboración. Hay una capa adicional de complejidad cuando los investigadores tienen que traducir los hallazgos de los estudios en animales de marcadores genéticos a los humanos.

"El enfoque de mi trabajo con Bioinformatics Core es la traducción, o colaborar con personas en la traducción, de sus hallazgos de sistemas modelo como ratones en datos de población humana, "dice Arpawong.

Es un proceso un poco circular:a menudo, los investigadores utilizan datos de humanos para observar el impacto de los hallazgos de los sistemas de modelos animales. Una vez que encuentran algunas cosas en los datos humanos, retroceden y ejecutan esos experimentos en los modelos animales para ver si hay algunos mecanismos causales. Esta exploración basada en datos abre muchas formas nuevas de comprender el envejecimiento, porque no es posible realizar este tipo de estudios de gerontología traslacional e integrativa únicamente en humanos, dada nuestra larga vida útil y entornos de vida muy diferentes.

"[Esta traducción] se ha convertido en una parte más importante del trabajo aquí en Gerontología que ha sido fascinante y está ayudando a acelerar el ritmo de los hallazgos de la investigación en disciplinas que tradicionalmente han funcionado de manera más independiente, "Dice Arpawong.

El trabajo se ha vuelto naturalmente colaborativo, involucrando a muchos investigadores diferentes con diversos antecedentes.

"Hay muchos intercambios en diferentes departamentos y múltiples beneficios de trabajar con gente de Dornsife College, Escuela de Medicina Keck y el Instituto de Ciencias de la Información, incluyendo desde la psicología hasta la biología computacional, "explica Arpawong." Realmente es una red enredada en toda la USC. Simplemente apunta a toda la naturaleza transdisciplinaria de este trabajo. Necesita hablar y trabajar con mucha gente para asegurarse de que se está moviendo en la dirección correcta ".

Arpawong utilizó recientemente diversos conjuntos de datos para encontrar la conexión entre la genética y la memoria verbal. Descubrió que un marcador genético de la enfermedad de Alzheimer no estaba solo:hay un segundo gen que juega un papel específicamente en los efectos sobre la capacidad de memoria relacionada con el envejecimiento.

Los macrodatos también han cambiado la forma en que las personas colaboran, dice Eileen Crimmins, Catedrático de Universidad de la USC y Catedrático de Gerontología de la AARP. Ningún investigador puede conocer todas las partes de un proyecto, ella explica.

"Hay muchos más grandes grupos multidisciplinares donde todo el mundo tiene una especialización y nadie lo sabe todo, ", dice." Así que hay mucha más gente que confía en que lo saben y pueden hacerlo bien ".

Todos esos datos requieren nuevas soluciones para alojarlos y transferirlos, especialmente cuando se trabaja con diferentes investigadores de todo el mundo.

"La escala es mucho mayor en lo que tenemos que enfrentar y [en] la frecuencia y la necesidad de transferir estas cosas, mantener la seguridad de los datos, y luego tener las herramientas disponibles para hacer esto, ", dice Arpawong." Gran parte del análisis de datos que necesitamos hacer requiere codificación en diferentes lenguajes de programación para los que algunos de los software estadísticos más comunes no tienen la capacidad, y albergar los datos en formas que van más allá del propio disco duro ".

La educación también tiene que coincidir con los desarrollos más recientes en la ciencia de big data, requiriendo que los estudiantes dominen la codificación, impulsado por datos y capaz de formular nuevas preguntas sobre la ciencia del envejecimiento. Los macrodatos han cambiado las reglas del juego para los estudiantes de posgrado, dice Crimmins, quien dirige el Programa de Capacitación en Investigación Multidisciplinaria en Gerontología de la Escuela Leonard Davis de la USC. El programa ayuda a los estudiantes predoctorales y postdoctorales a familiarizarse con el estudio del envejecimiento en múltiples disciplinas.

"Hay mucha más actividad multidisciplinaria porque las preguntas realmente se han movido, "Crimmins explica.

Los estudiantes de hoy están adquiriendo constantemente nuevos conjuntos de habilidades y conocimientos, desde la patología de la contaminación del aire hasta la genética, además de sus estudios fundacionales en gerontología. Mucho de lo que la gente está haciendo es aprender en el trabajo para adquirir las habilidades que no se enseñan en el aula, Añade Arpawong.

Para los estudiantes que ingresan al campo, Es fundamental comprender las estadísticas y tener un sólido conocimiento de la aritmética. En su clase, Jacobson presenta algunos "datos extraños", por ejemplo, por qué el promedio de un conjunto de datos podría ser mucho más alto que la mediana.

"Si piensa en el ingreso promedio en los EE. UU. En lugar de en la mediana, eso podría decirnos algo sobre los estadounidenses en general, ", dice." En cierto sentido, los macrodatos que están disponibles deberían obligarnos a volver a lo básico y ver los fundamentos ".

La competencia en codificación también está en el centro de las herramientas que los nuevos investigadores utilizan en el campo y, a veces, eso requiere codificación en varios idiomas.

Adaptarse para el futuro

La disponibilidad y los tipos de datos solo aumentarán en el futuro, y los investigadores están pensando en cómo ajustar sus estudios para dar cabida a nueva información. Crimmins es co-investigador del Estudio de salud y jubilación, que ha estado sucediendo durante unos 30 años. El estudio se realiza cada dos años, mitad en persona y mitad por teléfono. Desde 2006, los investigadores han recopilado biomarcadores de las personas que visitan en persona, métricas como el peso y la altura, presión arterial y una muestra de sangre.

Esas métricas permitirán a los investigadores hacer asociaciones más grandes en los datos existentes, y también eclipsarán a los demás datos en el análisis. "Dos millones de marcadores para cada persona, y tenemos 20, 000 personas en el estudio, ", Dice Crimmins." Realmente requiere computación de alta capacidad ".

Utilizando datos del Estudio de salud y jubilación, Crimmins ha realizado varios hallazgos sorprendentes. Una es que las personas en realidad tienen más años de buena salud cerebral después de los 65 años que en el pasado. Otro estudio de los datos encontró que la educación les da a las personas una ventaja en sus últimos años, ayudándoles a mantener a raya la demencia y sus recuerdos intactos. La recopilación de biomarcadores de los participantes del estudio también permitió a la exalumna de USC Leonard Davis, Morgan Levine '08, Doctor. '15 y Crimmins para desarrollar un método prometedor para medir biología, a diferencia de cronológico, la edad. Su trabajo dio como resultado hallazgos que muestran que los estadounidenses pueden estar envejeciendo más lentamente que hace dos décadas.

La USC se ha convertido en una universidad productora de datos. Se requiere mucho trabajo para fomentar el uso de datos haciéndolos disponibles y en un formato utilizable, Dice Crimmins. Constituye una gran parte de lo que hace:prestar servicio para un campo más amplio.

"Es algo esperado en nuestro campo para aquellos de nosotros que somos productores de datos, lo cual es muy importante aquí en USC porque producimos muchos conjuntos de datos internacionales, " ella dice.

Big Data está rompiendo los límites tradicionales entre campos, dice Arpawong. Es probable que los resultados más sólidos provengan de una mezcolanza de diferentes tipos de datos, por ejemplo, facturación médica e imágenes, o datos genómicos y ambientales.

"Necesita dividirlo en pedazos. Necesita personas que sepan cómo manipular los datos para obtener lo que desea, y cada pieza tiene muchos matices, ", dice." Puede obtener resultados de cualquier forma que pueda codificar algo, pero es correcto? Y un gran problema para la bioinformática es asegurarse de que las personas estén capacitadas en este tipo de recursos de datos para asegurarse de que están haciendo lo que pretenden hacer ".

El decano de la escuela Leonard Davis de la USC, Pinchas Cohen, está de acuerdo en que en el entorno de investigación moderno de hoy, aprovechar los datos de una variedad de fuentes es tan importante como comprender las funciones celulares. En su propio laboratorio, dirige estudios basados ​​en big data para identificar genes mitocondriales previamente desconocidos, trabajando para comprender sus funciones y si pueden ser el objetivo de los tratamientos para la enfermedad de Alzheimer, diabetes y otras enfermedades.

"En lugar de una mentalidad única para todos, la era de los macrodatos nos permite tener un enfoque del siglo XXI para abordar el riesgo de enfermedades y promover un envejecimiento saludable con un conocimiento profundo de los factores de riesgo de una persona, "Cohen dice." La ciencia ya no se trata de mirar en un microscopio en el propio laboratorio; se trata de mirar hacia el exterior a los datos de millones de personas en todo el mundo ".