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体内生物钟的时间，帮助我们做出更好的健康决策，包括何时以及睡多久。

这项研究由萨里大学和格罗宁根大学进行，使用机器学习程序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)。

萨里大学这项研究的合著者Debra Skene教授说：“在从我们的参与者那里采集了两份血液样本后，我们的方法能够以与以前的侵入性估计方法相当或更好的准确性预测个体的DLMO。

研究小组收集了24个人(12名男性和12名女性)的时间序列血液样本。所有参与者都很健康，不吸烟，并且在访问大学临床研究机构前七天有规律的睡眠时间表。然后，研究小组使用靶向代谢组学方法测量了130多种代谢物节律。然后将这些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：“我们对预测DLMO的新方法感到兴奋但谨慎 - 因为它比目前可用的工具更方便，需要更少的采样。虽然我们的方法需要在不同的人群中进行验证，但它可以为优化昼夜节律睡眠障碍和损伤恢复的治疗铺平道路。

“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保持一致，有可能优化健康并降低与睡眠不足和不合时宜的饮食相关的严重疾病的风险。

格罗宁根大学该研究的合著者Roelof Hut教授说：“我们的研究结果可以帮助开发一种负担得起的方法来估计我们自己的昼夜节律，这将优化行为，诊断采样和治疗的时间。