Von Bewegung zu molekularen Mustern

Dass Bewegung Mobilität schützt und das Risiko chronischer Erkrankungen senkt, ist seit Langem bekannt. Doch die genauen molekularen Prozesse, die körperliche Aktivität in gesünderes Altern übersetzen, waren bislang kaum erforscht.

Die Forschenden stellten sich daher eine scheinbar einfache Frage: Lassen sich die Vorteile eines aktiven Lebensstils bei älteren Menschen direkt im Blut erkennen – und welche Moleküle spielen dabei die größte Rolle?

Body Activity Index und Metabolomics Index

Um Antworten zu finden, entwickelten die Wissenschaftler einen Body Activity Index (BAI). Hierfür kombinierten sie die Ergebnisse aus Gehstrecke, Aufsteh-Tests, Handkraftmessungen und Gleichgewichtstests mithilfe einer kanonischen Korrelationsanalyse. Der zusammengesetzte Leistungswert erfasst Ausdauer, Kraft und Koordination in einem robusten Maß.

Unabhängig davon berechneten sie einen Metabolomics Index aus den Blutkonzentrationen von 35 niedermolekularen Metaboliten. In 263 Blutproben älterer Erwachsener zeigten beide Indizes eine Pearson-Korrelation von 0,85 (p < 1×10^⁻¹⁹) – ein Beleg dafür, dass die molekulare Signatur im Blut die körperliche Fitness widerspiegelt.

KI erkennt aktive und weniger aktive Gruppen

Um komplexe, nichtlineare Muster zu erfassen, trainierte das Team fünf verschiedene KI-Modelle – von einfachen statistischen Verfahren bis hin zu fortgeschrittenen Methoden wie Gradient Boosting Machine (GBM), XGBoost und einem Deep-Learning-Autoencoder-Netzwerk.

Die Boosting-Modelle erzielten eine hohe Genauigkeit: Sie unterschieden „aktive“ von „weniger aktiven“ Teilnehmern in über 91 % der Fälle (AUC > 0,91). Acht Metaboliten traten in allen Algorithmen konsistent als Prädiktoren hervor, darunter Aspartat, Prolin, Fruktose, Apfelsäure, Pyruvat, Valin, Citrat und Ornithin.

Aspartat stach dabei mit einem Faktor von zwei bis drei besonders hervor und bestätigte seine zentrale Rolle als molekularer Marker des aktiven Alterns.

COVRECON: Blick in das metabolische Netzwerk

Korrelationen allein reichen jedoch nicht, um Mechanismen zu erklären. Deshalb nutzte das Team das datengetriebene Modellierungs-Tool COVRECON, das Variationen von Metaboliten in Netzwerken darstellt.

Dabei wurden die Enzyme Aspartat-Aminotransferase (AST) und Alanin-Aminotransferase (ALT) als zentrale Knotenpunkte identifiziert. Beide sind Standardmarker in klinischen Lebertests, zeigten hier jedoch, wie Aktivität den Stoffwechsel umgestaltet.

Bluttests bestätigten die Modellierung: Über sechs Monate schwankten AST und ALT bei aktiven Teilnehmern deutlich stärker als bei weniger aktiven – ein Hinweis auf größere metabolische Flexibilität im Leber- und Muskelstoffwechsel.

Verbindung zu Gehirngesundheit und Demenz

Aspartat ist nicht nur ein Stoffwechsel-Zwischenmetabolit, sondern auch Vorläufer von Neurotransmittern. Es aktiviert NMDA-Rezeptoren, die für Lernen und Gedächtnis entscheidend sind.