腸道細菌群能否反映你的真實年齡？
來源：桑間濮上網(wǎng)
時間：2025-12-12 06:56:30
腸道細菌群能否反映你的真實年齡？ (Credit: Insilico)（神秘的地球uux.cn報道）據(jù)EurekAlert!：亮點：
2018年，Gladyshev實驗室的細菌專攻衰老研究的科學家與Insilico Medicine展開合作，雙方研究成果“微生物群衰老時鐘”的否反麗江外圍女那個靠譜（電話微信180-4582-8235）麗江外圍真實可靠快速安排概念得到廣泛傳播；
時鐘經(jīng)過多個獨立數(shù)據(jù)集驗證；
時鐘具有生物學意義，并能證明糖尿病患者看起來比實際年齡老；
該研究發(fā)表在iScience期刊上，真實將用于COVID-19和長壽研究的年齡新數(shù)據(jù)分析工具。
2020年6月11日-深度學習近期進步飛快，腸道目前，細菌AI算法在圖像、否反文本和語音識別方面的真實表現(xiàn)已經(jīng)勝過人類。AI在生物學方面有一種特殊應用——深度衰老時鐘——經(jīng)大規(guī)模樣本集訓練，年齡可以通過圖片、腸道視頻、細菌麗江外圍女那個靠譜（電話微信180-4582-8235）麗江外圍真實可靠快速安排音頻、否反血生化、真實基因和蛋白質表達及MRI等不同類型的年齡數(shù)據(jù)來預測人類的生物學年齡。iScience最近發(fā)表的一項研究中，哈佛醫(yī)學院和Insilico Medicine的研究人員對數(shù)千種腸道細菌做全基因組測序，以開發(fā)和驗證微生物群深度衰老時鐘的新概念。而這個新工具表明宿主年齡是影響腸道菌群動態(tài)變化的重要因素。
過去十年中，人類腸道微生物組研究讓我們有了許多奇妙的發(fā)現(xiàn)。目前，我們知道腸道細菌是影響人體免疫功能、大腦發(fā)育和大腦活動、中樞新陳代謝、肥胖發(fā)病機制等許多生理過程的主要因素。人們越來越認識到腸道微生物群對人類健康的作用，因此，加深對腸道菌群影響因素的了解及加強對這些因素的控制也就越發(fā)關鍵。
影響腸道菌群的因素包括出生方式、飲食、身體活動和年齡。生命早期階段中，年齡對微生物群動態(tài)變化的影響已經(jīng)有了較深入的了解。在生命的第一年中，相比成年人，嬰兒的飲食和行為相似度很高。因此，嬰兒腸道菌群的發(fā)展動態(tài)變化呈現(xiàn)明顯的階段性。但是，進入成年期后，在人們的飲食、吸煙、喝酒以及身體活動水平等多種復雜因素影響下，腸道菌群存在極大的個體差異。美國國立衛(wèi)生研究院（NIH）人類微生物組計劃顯示，盡管成人腸道中微生物物種的不同組合往往發(fā)揮相似的功能和代謝能力，但沒有核心的群落組成。
多項研究確定了腸道菌群中一些與宿主年齡相關的趨勢。然而，這些研究以局部采樣為舉出，其結果未必具有普適性。在Insilico Medicine和布萊根婦女醫(yī)院（Brigham and Women's Hospital）醫(yī)院Vadim Gladyshev實驗室及哈佛醫(yī)學院的合作項目匯總了13項人類腸道微生物組相關的公共研究數(shù)據(jù)，以微生物群相對豐度為基礎開發(fā)衰老時鐘。
2018年12月，我們在BioRxiv上發(fā)表了首次嘗試利用腸道菌種組成來預測生物學年齡的研究結果。此后，研究小組進一步改進方法，并在iScience期刊上發(fā)表研究結果。采用交叉驗證，以超過1100種不同構成的微生物群訓練深度神經(jīng)網(wǎng)絡，得到的集成模型再經(jīng)獨立數(shù)據(jù)集檢驗，對宿主年齡預測平均誤差為5.9-6.8年。
上述腸道微生物群衰老時鐘證明，成年人群體中存在與年齡增長相關的微生物群落演替規(guī)律。上述研究流程可以推廣，訓練其他平臺的數(shù)據(jù)并創(chuàng)建類似的模型，在更可控的環(huán)境中探索特定細菌種類對人類衰老的影響。研究作者還提出了發(fā)現(xiàn)具有加速或減緩衰老潛力的微生物的方法。
“我們很高興與Gladyshev實驗室共同開發(fā)新型微生物群衰老時鐘，開創(chuàng)業(yè)界先河。衰老時鐘的開發(fā)過程漫長艱辛，研究剛起步時，我們自己都覺得希望渺茫；完成概念驗證之后，又耗費兩年的時間持續(xù)完善和驗證。我們希望將上述研究途徑用于COVID-19研究，未來用于長壽研究，追蹤不同干預措施和飲食對腸道年齡預測值的影響”，Insilico Medicine的CEO Alex Zhavoronkov博士說。
您可訪問ageing.AI處了解衰老時鐘的詳細信息。Insilico Medicine將繼續(xù)開發(fā)微生物組工具，目前正在計劃發(fā)布COVIDOMIC，一個用于探索影響COVID-19感染結果相關變量的工具，包括來自患者呼吸道微生物組的變量。
您可訪問以下網(wǎng)址閱讀論文原文： https://www.sciencedirect.com/science/article/pii/S2589004220303849
關于 Insilico Medicine： 自2014年以來，Insilico Medicine致力于開發(fā)生成模型、強化學習系統(tǒng)，以及其他新穎的機器學習技術，運用其技術來生成具有特定性質的全新分子結構、合成生物數(shù)據(jù)的生成、治療靶點識別，及臨床試驗結果預測等藥物開發(fā)過程。Insilico Medicine近期完成了3700萬美元的B輪融資。公司自成立以來，總計募資了超過5200萬美元，發(fā)表80篇以上的開創(chuàng)性論文，申請專利數(shù)超過25項，并獲得許多業(yè)界肯定的獎項。網(wǎng)站：http://insilico.com
若您需要關于本文更多的信息、圖片，或是采訪，請聯(lián)系：ai@insilico.com
