衰老的时钟与异质性
编号：147
访问权限：仅限参会人
更新：2022-07-08 16:38:59
浏览：457次
主旨报告
报告开始：2022年07月25日 08:50 （Asia/Shanghai）
报告时间：25min
所在会议：[P] 全体会议 » [P-3] 闭幕式及主旨报告3
暂无文件
摘要
我们发现定量的衰老标志物不仅限于转录组和表观基因组(Cheng et al., 2018; Han et al., 2012; Jin et al., 2011)，还包括高通量和高分辨率的定量影像，比如三维面部图像(Chen et al., 2015)。我们首次绘制了人类面部衰老现象的综合图谱。通过将这项研究扩展到中国冀东的一个五千人的大队列，我们现在可以使用深度学习人工智能方法，根据3D面部图像及其与个人健康和病史的关联，精确估计衰老状态。利用这些预测工具，我们确定了健康指标显著支持的慢老和快老。我们进一步通过北京队列的RNA-seq分析了血细胞mRNA和lncRNA的表达，并计算预测了它们的调控网络以及它们对不同个体之间的衰老速率变化的贡献，以及哪些可被他们的生活方式所改变(Xia et al., 2020)。进一步的对衰老相关对长非编码RNA进化与生物信息学分析发现了其中多个长非编码RNA参与并调控衰老过程中炎症反应(Cai and Han, 2021)。
关键字
衰老；人工智能
报告人
韩敬东
教授 北京大学前沿交叉学科研究院定量生物学中心，北京清华生命科学中心韩敬东教授1997年获美国爱因斯坦医学院博士学位。她在洛克菲勒大学和达纳法伯癌症研究所接受博士后培训。2004年成为中国科学院遗传与发育生物学研究所研究员/教授。2010-2019年，担任中科院马克斯-普朗克合作伙伴计算生物学研究所所长。2019年，她成为北京大学终身教授。她的研究重点是分子网络的结构和动态推理，采用大规模实验和计算分析相结合的方法，探索网络的设计原理，发现衰老、癌症和干细胞发育等复杂表型是如何通过分子网络调控的。2006年获国家自然科学基金杰出青年科学家奖，2009年获中科院百人计划优秀成果奖，2011年被评为 Max Planck Fellow，2014年被选为 MaxNetAging Fellow，2016年获 Faculty 1000 in Developmental Biology称号。
发表评论