智能时代网

智能时代网 首页 智能头条 查看内容

哈佛医学院开发AI生命时钟可预测剩余寿命

2020-9-24 13:13| 发布者: editor| |来自: 学术头条

摘要: 哈佛医学院 研究小组使用机器学习算法开发了两个时钟,即 FRIGHT 时钟和 AFRAID 时钟,成功在老年小鼠中预测其生理年龄和实际寿命。


      近日,哈佛医学院 Blavatnik 学院遗传学教授 David Sinclair 领导的研究小组使用机器学习算法开发了两个时钟,即 FRIGHT 时钟和 AFRAID 时钟,成功在老年小鼠中预测其生理年龄和实际寿命。
      该研究于 9 月 15 日发表在 Nature Communications《自然通讯》杂志中。
      David Sinclair 表示,这项研究首次在小鼠中追踪其虚弱指数(FI),从而实现预测小鼠的剩余寿命,这样就可以快速评估延长寿命的干预措施的有效性,并期望有朝一日能用于人类。
      研究人员补充道,由于FI评分也适用于人类,因此开发一个人类预期寿命时钟并不难。只不过目前还没有一个大型数据集,可以追踪 60 多岁到 90 多岁的人,以及死亡率随访数据。
      该研究团队目前也在朝着这个最终目标继续努力。

准确评估衰老程度
      要知道,人们的生理年龄和实际年龄往往不相符。事实上,每个人衰老的速度并不一致。所以,与实际年龄相比,生理年龄更能准确反映每个人的衰老。
      那么,如何准确测量人们的生理年龄以评估衰老程度呢?
      先前已有许多方法测量生理年龄,如握力或步态,评估免疫系统,端粒长度,糖基化终产物,细胞衰老的程度和 DNA 甲基化时钟。其中 DNA 甲基化时钟已经用于测试老鼠生理年龄。然而,由于其昂贵,耗时且需要抽取血液或组织,因而无法达到重复测量的目的。
      因此,找到一种更便宜或更不具侵入性的方法来测试步态等生理信号的分子基础,将有助于人类更早、更准确地预测和干预健康和寿命。
      研究人员发现,虚弱指数(FI)评分优于以上测量方法,因而可作为研究人类死亡率的强大预测指标。
      FIs 可对多达 70 项与健康有关的情况进行量化,包括实验室检测结果、症状、疾病和日常生活活动等。最终得分为 0-1 分,得分越高,则越虚弱。
      为了识别小鼠寿命,David Sinclair 领导的研究小组对 60 只老年小鼠进行了一年多追踪调查,直到小鼠自然死亡。
      然后,他们训练了两个机器模型从小鼠数据中进行学习。根据 FIs 评分,研究人员使用机器学习算法开发了两个时钟,即 FRIGHT 时钟和 AFRAID 时钟。
      其中 FRIGHT 时钟是根据老鼠的虚弱状态来判断其生理年龄,而 AFRAID 时钟可提前一年预测小鼠寿命,这两个时钟预测可准确到 2 个月内。

预测预期寿命
      随后,研究人员进一步识别这两个时钟能否作为研究衰老的早期生物标记物。他们对一项研究进行了分析,该研究使用血管紧张素转换酶(ACE)抑制剂依那普利用于21只雄性小鼠。
      结果显示 FRIGHT 时钟显示使用依那普利处理的小鼠,其生理年龄较未使用依那普利处理小鼠少一个月。而 AFRAID 时钟寿命预测则没有发现这种改变。既往研究证实依那普利可改善小鼠健康,对其寿命则无影响。
      此外,限制甲硫氨酸饮食被认为是延长小鼠寿命的干预措施。研究人员使用 FRIGHT 时钟发现 13 只老年小鼠进行限制甲硫氨酸饮食后其生理年龄较对照组小 0.7 个月,而使用 AFRAID 时钟发现实验组中小鼠寿命长 1.3 个月。
      因此,这说明 FRIGHT 时钟和 AFRAID 时钟对延长寿命和健康的干预措施有反应。
      研究人员还发现,衰弱的一些指标比其他指标更能预测生理年龄和寿命。例如,听力损失和颤抖,因此,作者建议在计算生理年龄时给予某些因素更多的权重。
      “衰老带来的许多方面都很可怕,我们想要找到方法来预防或逆转衰老,让年轻停留更长时间。”本研究论文的第一作者,哈佛医学院衰老生物学研究中心 Michael B. Schultz 表示。
      研究人员表示,小鼠和人有着很大的不同,而这两个时钟还不能用来预测人类健康、生理年龄或寿命。人类的健康和疾病有更复杂的生物、生理、行为、环境和社会影响。但是,通过结合分子标记和现有的生理标记,该模型也将得到加强。目前,该实验室正把研究范围扩大到其它动物包括人类身上。

路过

雷人

握手

鲜花

鸡蛋

最新评论

热门图片

小黑屋|智能时代  精品传媒荣誉出品 ( 京ICP备19056894号-1

GMT+8, 2020-10-31 06:24 , Processed in 0.051919 second(s), 20 queries .

返回顶部