寿命能推算吗?加州大学科学家提出“预测方法”

640?wx_fmt=jpeg

来源:中国科学报


从古至今,从国内到国外,从炼丹术到现代科学,长生不老似乎一直是人类乐此不疲的追求。


但若要延缓衰老,首先要弄清是什么造成了衰老。近日,加州大学洛杉矶分校(UCLA)生物统计学家斯蒂夫·霍瓦特(Steve Horvath)发现了一种预测一个人生命周期的方法:基于300~500个DNA甲基化标记,比较一个人的身体与他的实际年龄,再观察是在异常快速地衰老,还是异常缓慢地衰老,进而推断他的生命时间。


基因上的衰老密码


其实,几十年前霍瓦特的研究团队就开始了这项实验,收集来自美国和欧洲超过13000人血液样本中的DNA。然后,研究人员通过多种分子生物学方法,包括霍瓦特在2013年开发的表观遗传学时钟(epigenetic clock)方法,测量了每个人的衰老速率。


表观遗传时钟是依照人体组织或体液的DNA甲基化修饰改变作为预测衰老的生物标志物。这种方法可以通过追踪DNA甲基化的改变计算血液和其他组织的衰老。在对比实际年龄与血液的生物学年龄之后,研究人员表示,这一方法可以预测每个人的预期寿命。


两年前,来自英国剑桥Babraham研究所和欧洲生物信息学研究所的研究人员也确定了一种小鼠表观遗传时钟。研究人员根据小鼠基因组中329个位点的甲基化变化预测小鼠的年龄,其精确度控制在3.3周。基于这种精确度,再考虑到人类平均寿命是85年,而老鼠的平均寿命为3年。可以看出老鼠的表观遗传时钟精确度优于5%。该结果发表在2017年《基因组生物学》(GenomeBiology)上。


“小鼠表观遗传衰老时钟是令人兴奋的,因为这种表观遗传时钟可能代表哺乳动物衰老的基本特征。如果可以鉴定人类表观遗传老化时钟,将是老龄化领域的一个重大突破。”扬州大学表观遗传学及表观基因组学研究所所长、教授崔恒宓在接受《中国科学报》记者采访时解释说。


但崔恒宓同时强调:“根据以上研究结果表明,利用表观遗传时钟预测衰老和寿命是可能的,但现在时机尚不成熟,有待于进一步深入研究。”


表观遗传学与衰老


想要弄清表观遗传与衰老的直接关系,首先要理解表观遗传学的概念。它最早由生物学家Waddington在《现代遗传学导论》一书中提出。1996年,美国科学家James G Herman 和Stephen B Baylin 发明甲基化特异性检测技术(MSP),并通过该技术发现肿瘤细胞中抑癌基因启动子区CpG呈高甲基化状态。这使得科学家开始意识到DNA甲基化这种表观遗传信息在人类健康中的重要性。


总的来说,表观遗传学是指在基因核苷酸序列不发生改变的情况下,基因表达的可继承变化。即一个生物体或细胞的性状或特征,是特定的基因型与环境相互作用的结果,即使不改变DNA序列本身,也能改变基因的活性。表观遗传的主要功能是通过DNA甲基化、组蛋白修饰等调控基因的时空表达。表观遗传的现象很多,如基因组印记、母体效应、X染色体失活等。


“表观遗传其实有点像玻璃球跳棋中,棋盘上限制棋子移动并固定其位置的小圆坑。”中科院生物物理研究所研究员朱冰对《中国科学报》记者举了个生动的例子。表观遗传体系的存在使得多细胞生物能够实现细胞的分化,从而产生具有同一个基因组的成百上千种不同类型的细胞;表观遗传体系还限制了细胞的随意变化,使得细胞类型能稳定在这成百上千种,而不是无限增加。这样,人才能成为“合格的多细胞生物”。


霍瓦特提出的表观遗传时钟就是一种关于DNA甲基化状态的算法,这种算法能非常准确地估计年龄,这种判断不仅仅根据细胞本身,也根据其生长环境。例如,白血球的存活周期可能只有几天或数周,但它其中却携带着捐赠者的生命特征。而且,除了白血球,从大脑、结肠以及许多其他器官提取的DNA也一样含有人体的生命特征。这种判断寿命的方法,其误差仅在3.6年之内。另外,如果捐献者给出特定的组织,准确性会更高,例如单独给出唾液样本,误差缩小到2.7年之内;给出特定白血球,误差则能控制在1.9年之内等。


对此研究,朱冰持保守看法:“这项研究目前还有点像先将箭射出,再在箭射中的位置画个靶心,更多的研究尚有待完成。”他认为,尽管实验证明了表观基因与衰老可能存在相关性,但并不能证明两者存在因果性。


研究衰老还需时间


要研究衰老并不是件容易的事,因为衰老作为一种复杂的生命过程,许多因素参与调节并发挥重要作用,包括遗传因素、表观遗传因素和环境因素等。更重要的是,目前的研究多在动物实验中,但是一个物种的衰老机制与另一个物种是否相同也值得商榷。


随着表观生命科学的发展,表观遗传学与衰老的关系已经成为表观遗传学研究的重要内容之一,“一个新的学科——《衰老表观遗传学》正在形成”。崔恒宓说。


现在普遍认为,除了遗传因素对衰老起重要作用,表观遗传因素可能发挥的作用比想象的要大得多。表观遗传的改变可以导致基因表达的改变,并且可以遗传至下一代。环境因素也会影响衰老。这包括营养缺乏、抽烟、饮酒等。现有的研究已经证实,这些环境因素可以通过影响表观遗传影响衰老,遗传因素也会通过影响表观遗传影响衰老。


目前,崔恒宓的研究也有涉及衰老的部分。“我们正在研究干细胞的抗衰老和衰老的表观遗传学机制。主要研究人间充质干细胞干性维持和分化,并揭示间充质干细胞的抗衰老、抗炎症、调节免疫等的分子机制。此外,还进行了肿瘤的表观遗传学研究。主要是破解肿瘤发生和发展的表观遗传学的分子机制,并力图发现可用于肿瘤早期诊断的分子标志物。”崔恒宓相信随着相关研究的深入,该学科将不断完善。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493610.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Deep Image Homography Estimation

在知乎问题:深度学习应用在哪些领域让你觉得「我去,这也能行!」?中遇到一篇提交在arXiv 2016(arXiv不是正式发表,只是可以证明原创性,提供时间戳的网站)的文章《Deep Image Homograp…

tensorflow:双线性插值反卷积

首先生成333的黑色图片 """ 生成333黑色图像 """ def produce_image():size 3x, y ogrid[:size, :size] # 第一部分产生多行一列 第二部分产生一行多列z x yz z[:, :, newaxis] # 增加第三维# print(z)img repeat(z, 3, 2)/12 # 在第三…

腾讯医疗AI新突破:提出器官神经网络,全自动辅助头颈放疗规划 | 论文

来源:量子位腾讯医疗AI实验室又有新研究。这次跟美国加州大学合作,在国际权威期刊《Medical Physics》发表最新研究成果:《器官神经网络:深度学习用于快速和全自动整体头颈危及器官靶区勾画》AnatomyNet: Deep Learning for Fast …

视频制作中的绿幕与拜耳阵列

先来欣赏一些大片背后的特效。 现在国内的电影市场越来越大,做短视频的自媒体也越来越多,在他们的后期视频制作的片花中可以看到很多都在使用绿幕或者蓝幕,这是为什么呢? 首先肯定是为了抠图的方便。将主体部分抠出再将通过特效…

吴恩达作业8:三层神经网络实现手势数字的识别(基于tensorflow)

数据集的载入,随机产生mini-batch放在tf_utils.py,代码如下 import h5py import numpy as np import tensorflow as tf import mathdef load_dataset():train_dataset h5py.File(datasets/train_signs.h5, "r")train_set_x_orig np.array(train_datase…

基于visual Studio2013解决面试题之0307最后谁剩下

题目解决代码及点评/* n 个数字(0,1,…,n-1)形成一个圆圈,从数字 0 开始,每次从这个圆圈中删除第 m 个数字(第一个为当前数字本身,第二个为当前数字的下一个数字&…

谷歌、苹果等大佬亲自戳穿自动驾驶完美童话,技术、场景、安全牢笼实难突围!...

来源: 物联网智库摘要:自动驾驶普及不仅局限于自身技术和应用场景,而且与产业链各环节密切相关。一项科技从诞生到被人们所接受是一个循序渐进的过程,自动驾驶真正普及还任重而道远。2018年11月1日百度世界大会上,百度…

使用文件监控对象FileSystemWatcher实现数据同步

使用文件监控对象FileSystemWatcher实现数据同步 原文 使用文件监控对象FileSystemWatcher实现数据同步 最近在项目中有这么个需求,就是得去实时获取某个在无规律改变的文本文件中的内 容。首先想到的是用程序定期去访问这个文件,因为对实时性要求很高&a…

吴恩达作业11:残差网络实现手势数字的识别(基于 keras)+tensorbord显示loss值和acc值

一,残差网络实现手写数字识别 数据集地址:https://download.csdn.net/download/fanzonghao/10551018 首先来resnets_utils.py,里面有手势数字的数据集载入函数和随机产生mini-batch的函数,代码如下: import os import numpy as…

通过SVD求解单应矩阵

我们现在知道原则上4对匹配点对就可以唯一确定单应矩阵,但是在实际应用中我们无法保证两个视图严格满足使用条件(只有旋转变换;远景;平面场景),所以要使用拟合的方法求一个最优解。现在就来以SIFT算法源码为…

注意力机制(Attention)最新综述论文及相关源码

来源:专知注意力机制(Attention)起源于模仿人类的思维方式,后被广泛应用于机器翻译、情感分类、自动摘要、自动问答等、依存分析等机器学习应用中。专知编辑整理了Arxiv上一篇关于注意力机制在NLP中应用的综述《An Introductory Survey on Attention Mec…

橙子楼的猥琐大叔

故事要从暑假开始说起,那时我还在准备考研,每天往返于教室、宿舍和食堂,单调但不会无趣,常常会有故事发生,生活也很充实。 考研的一般都会在固定的教室有个自己的位子。 坐我正前面的是一个妹子,准确的说是…

Pycharm下安装Tensorflow

趁着帮师妹看Github上的一个项目,督促自己学习一下Python下训练神经网络的一整套流程。没想到在一开头就遇到了不少问题。首先是Pycharm中导入Github项目的问题,还有安装tensorflow的问题,之后又遇到了多种版本的Python共存的问题。在这里记录…

吴恩达作业9:卷积神经网络实现手势数字的识别(基于tensorflow)

数据集链接:https://download.csdn.net/download/fanzonghao/10551018 提供数据集代码放在cnn_utils.py里。 import math import numpy as np import h5py import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.python.framework import ops…

AI洞观 | 戴上红帽 看IBM冲杀云计算市场

来源 | 网易智能(公众号 smartman163)摘要:可以预计,未来的云计算市场将越来越比拼生态综合服务能力,云计算行业进入下半场,谁在裸泳不久见分晓。IBM豪掷340亿美元收购红帽(Red Hat)…

基于visual Studio2013解决面试题之0608找出两个只出现一次的数

题目解决代码及点评/*已知数组中有两个数只出现一次,其他成对出现,请找出这两个数解决办法:1)简化问题,如果数组中只有一个数出现一次,那么只要对这个数组做异或即可2…

工业富联:左手工业AI,右手“雾小脑”

来源:先进制造业摘要:11月14日,第二十届中国国际高新技术成果交易会在深圳会展中心开幕。11月14日,第二十届中国国际高新技术成果交易会在深圳会展中心开幕。备受瞩目的是,在分论坛“2018第九届中国信息通信论坛”上&a…

吴恩达作业10:用卷积神经网络识别人脸happy(基于Keras)

数据集提供的代码放在kt_utils.py: import keras.backend as K import math import numpy as np import h5py import matplotlib.pyplot as pltdef mean_pred(y_true, y_pred):return K.mean(y_pred)def load_dataset():train_dataset h5py.File(datasets/train_h…

清华大学:智能驾驶背景下转向系统发展趋势

来源:智车科技这里近几年,自动驾驶汽车的研发与推广发展迅速,根据国家工业和信息化部等发布的《汽车产业中长期发展规划》,2025 年,高度和完全自动驾驶汽车开始进入市场,在此背景下,线控转向技术…

TensorFlow学习之——checkpoints

在看别人的训练网络中一开头就遇到这样一行代码: ckpt tf.train.get_checkpoint_state(directories.checkpoints) 鼠标放在函数名上,ctrlB,或者ctrl点击函数名,可以跳转到函数的定义,可以知道tf.train.get_checkpoi…