新的机器学习方法预测生物钟时间以改善睡眠和健康决策

一种新的机器学习方法可以帮助我们测量内部生物钟的时间，帮助我们做出更好的健康决定，包括何时睡觉以及睡多长时间。

这项由萨里大学和格罗宁根大学进行的研究使用机器学习程序来分析血液中的代谢物，以预测我们内部昼夜节律计时系统的时间。该研究发表在美国国家科学院院刊上。

迄今为止，确定昼夜节律系统时间的标准方法是测量我们自然褪黑激素节律的时间，特别是当我们开始产生褪黑激素时，称为暗光褪黑激素发作 (DLMO)。

萨里大学研究的合著者 Debra Skene 教授说：“在从我们的参与者身上采集了两份血液样本后，我们的方法能够预测个体的 DLMO，其准确度与之前的更具侵入性的估计相当或更好方法。”

研究小组从 24 个人(12 名男性和 12 名女性)中收集了时间序列的血液样本。在访问大学临床研究机构前 7 天，所有参与者都很健康，不吸并且睡眠规律。然后，研究团队使用靶向代谢组学方法测量了 130 多种代谢物节律。然后将此代谢物数据用于机器学习程序以预测昼夜节律时间。

Skene 教授说：“我们对我们预测 DLMO 的新方法感到兴奋但也持谨慎态度——因为它比目前可用的工具更方便并且需要更少的采样。虽然我们的方法需要在不同人群中进行验证，但它可以为预测 DLMO 铺平道路优化昼夜节律睡眠障碍和损伤恢复的治疗。

“智能设备和可穿戴设备为睡眠模式提供了有用的指导——但我们的研究为真正个性化的睡眠和膳食计划开辟了道路，与我们的个人生物学相一致，有可能优化健康并降低与睡眠不足和睡眠不足相关的严重疾病的风险。误食。”

格罗宁根大学研究的合著者 Roelof Hut 教授说：“我们的研究结果可能有助于开发一种经济实惠的方法来估计我们自己的昼夜节律，从而优化行为、诊断采样和治疗的时间安排。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！