DOI: https://doi.org/10.1073/pnas.2514928123
PMID: https://pubmed.ncbi.nlm.nih.gov/41880576
تاريخ النشر: 2026-03-25
المؤلف: Bert Maier وآخرون
الموضوع الرئيسي: إيقاع الساعة البيولوجية والميلاتونين
طرق
قسم “المواد والطرق” يحدد تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، معدات، وعينات بيولوجية، بالإضافة إلى مصادرها. يتم وصف المنهجية بطريقة خطوة بخطوة، مما يضمن إمكانية تكرار التجارب. يتم تسليط الضوء أيضًا على التقنيات الرئيسية، مثل التحليلات الإحصائية، طرق جمع البيانات، وأي أدوات حسابية تم استخدامها.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول الظروف التجريبية، مثل درجة الحرارة، المدة، وأي ضوابط تم تنفيذها للتحقق من النتائج. بشكل عام، يخدم هذا القسم لتقديم نظرة شاملة على الأساليب المتبعة للتحقيق في الأسئلة البحثية المطروحة في الدراسة، مما يضمن إمكانية تقييم النتائج بشكل نقدي وتكرارها من قبل باحثين آخرين في هذا المجال.
نتائج
في هذه الدراسة، كان الباحثون يهدفون إلى تحديد الجينات المعبر عنها في جذور شعر الإنسان التي تظهر إيقاعات تعتمد على الوقت من اليوم، في النهاية للتنبؤ بالمرحلة اليومية من عينة شعر واحدة. دراسة تجريبية مع ثلاثة متطوعين حددت 90 جينًا مرشحًا من خلال تسلسل RNA، والتي تم تحليلها بشكل أكبر في مجموعة أكبر من 13 فردًا خلال دراسة HairTime. قدم المشاركون عينات شعر في فترات منتظمة، وتم تحديد وقتهم الداخلي باستخدام بداية الميلاتونين في الضوء الخافت (DLMO) من اللعاب. تم استخدام طرق التعلم الآلي (ZeitZeiger، LASSO، وPLS) للتنبؤ بالوقت الداخلي بناءً على تعبير الجينات، مما أدى إلى تحديد 17 جينًا. كان الانحراف المطلق الوسيط (MdAE) من DLMO حوالي ساعة واحدة، على الرغم من أن ما يقرب من 20% من العينات انحرفت بأكثر من ساعتين، خاصة خلال عينات المساء والليل.
لاستكشاف التباينات في دقة التنبؤ، قام الباحثون بتحليل سعة إيقاعات تعبير الجينات، مفترضين أن السعات المنخفضة ترتبط بتنبؤات أقل موثوقية. تم تطوير نموذج للتنبؤ بالسعة اليومية بناءً على مستويات تعبير الجينات، مما حدد ستة جينات معلوماتية. أكدت التحقق في مجموعة مستقلة (دراسة HairVali) دقة تنبؤ عالية (MdAE = 0.99 ساعة) وكشفت أن أخطاء التنبؤ كانت مرتبطة بدرجات سعة أقل. أدت التعديلات لعينة السعة المنخفضة إلى تحسين دقة التنبؤ، مما يظهر أن قوة النظام اليومي للفرد تؤثر بشكل كبير على موثوقية التنبؤات بالمرحلة اليومية من عينات الشعر. كما قامت الدراسة بتحليل مجموعة بيانات أكبر (BodyClock) لتقييم توزيعات المرحلة اليومية، كاشفة عن اختلافات مرتبطة بالعمر والجنس في DLMO المتوقع، مع تأثير النشاط المهني على توقيت الساعة البيولوجية.
مناقشة
في هذا القسم، يناقش المؤلفون تطوير والتحقق من HairTime، وهو اختبار جديد غير جراحي مصمم لتقدير المرحلة اليومية للفرد من عينة شعر واحدة. الطرق التقليدية لتقييم المرحلة اليومية، مثل بداية الميلاتونين في الضوء الخافت (DLMO)، هي جراحية وغير عملية للدراسات واسعة النطاق. أظهر HairTime دقة تنبؤ قوية مقارنة بـ DLMO، حيث أظهرت أكثر من 85% من العينات انحرافات تقل عن ساعتين. قدرة الاختبار على التقاط التغيرات في المرحلة اليومية المتعلقة بالعمر والجنس وجداول العمل تشير إلى إمكانيته للدراسات الوبائية واسعة النطاق والعلاج الزمني الشخصي.
يبرز المؤلفون أهمية فهم الإيقاعات اليومية للصحة والمرض، مشيرين إلى أن الانقطاعات يمكن أن تؤدي إلى مشاكل صحية متنوعة. يؤكدون أن سهولة استخدام HairTime وقابليته للتوسع تجعله مناسبًا للدراسات الطولية، مما يسمح للباحثين باستكشاف ديناميكيات التغيرات في المرحلة اليومية في البيئات الواقعية. تشير النتائج إلى أن HairTime يمكن أن يعكس بشكل موثوق الفروق الفردية في المرحلة اليومية وقد يكون أداة قيمة للبحث المستقبلي والتطبيقات السريرية في الطب اليومي. ومع ذلك، يعترف المؤلفون بالقيود في دراستهم، بما في ذلك الحاجة إلى مزيد من التحقق عبر مجموعات سكانية وظروف متنوعة.
DOI: https://doi.org/10.1073/pnas.2514928123
PMID: https://pubmed.ncbi.nlm.nih.gov/41880576
Publication Date: 2026-03-25
Author(s): Bert Maier et al.
Primary Topic: Circadian rhythm and melatonin
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, as well as their sources. The methodology is described in a step-by-step manner, ensuring reproducibility of the experiments. Key techniques, such as statistical analyses, data collection methods, and any computational tools utilized, are also highlighted.
Additionally, the section may include information on the experimental conditions, such as temperature, duration, and any controls implemented to validate the results. Overall, this section serves to provide a comprehensive overview of the approaches taken to investigate the research questions posed in the study, ensuring that the findings can be critically evaluated and replicated by other researchers in the field.
Results
In this study, researchers aimed to identify genes expressed in human hair roots that exhibit time-of-day-dependent rhythms, ultimately to predict circadian phase from a single hair sample. A pilot study with three volunteers identified 90 candidate genes through RNA sequencing, which were further analyzed in a larger cohort of 13 individuals during the HairTime study. Participants provided hair samples at regular intervals, and their internal circadian time was determined using dim light melatonin onset (DLMO) from saliva. Machine learning methods (ZeitZeiger, LASSO, and PLS) were employed to predict internal time based on gene expression, resulting in the identification of 17 genes. The median absolute deviation (MdAE) from DLMO was approximately 1 hour, although nearly 20% of samples deviated by more than 2 hours, particularly during evening and nighttime samples.
To explore discrepancies in prediction accuracy, the researchers analyzed the amplitude of gene expression rhythms, hypothesizing that lower amplitudes correlate with less reliable predictions. A model was developed to predict circadian amplitude based on gene expression levels, identifying six informative genes. Validation in an independent cohort (HairVali study) confirmed high prediction accuracy (MdAE = 0.99 hours) and revealed that prediction errors were associated with lower amplitude scores. Adjustments for low-amplitude samples improved prediction accuracy, demonstrating that the strength of an individual’s circadian system significantly influences the reliability of circadian phase predictions from hair samples. The study also analyzed a larger dataset (BodyClock) to assess circadian phase distributions, revealing age and sex-related differences in predicted DLMO, with occupational activity influencing circadian timing.
Discussion
In this section, the authors discuss the development and validation of HairTime, a novel, noninvasive assay designed to estimate an individual’s circadian phase from a single hair sample. Traditional methods for assessing circadian phase, such as dim-light melatonin onset (DLMO), are invasive and impractical for large-scale studies. HairTime demonstrated strong predictive accuracy compared to DLMO, with over 85% of samples showing deviations of less than two hours. The assay’s ability to capture circadian phase variations related to age, sex, and work schedules suggests its potential for large-scale epidemiological studies and personalized chronotherapy.
The authors highlight the importance of understanding circadian rhythms for health and disease, noting that disruptions can lead to various health issues. They emphasize that HairTime’s ease of use and scalability make it suitable for longitudinal studies, allowing researchers to explore the dynamics of circadian phase variations in real-world settings. The findings indicate that HairTime can reliably reflect individual differences in circadian phase and may serve as a valuable tool for future research and clinical applications in circadian medicine. However, the authors acknowledge limitations in their study, including the need for further validation across diverse populations and conditions.