2020年9月7日，北京大學(xué)、中國(guó)科學(xué)院上海營(yíng)養(yǎng)與健康研究所（中國(guó)科學(xué)院-馬普學(xué)會(huì)計(jì)算生物學(xué)伙伴研究所）韓敬東研究組與上海交通大學(xué)附屬第一人民醫(yī)院臨床研究院周永研究組合作在Nature Metabolism上發(fā)表了題為“Three-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle”的研究論文。
衰老是眾多復(fù)雜疾病的主要風(fēng)險(xiǎn)因素。同樣年齡的個(gè)體，其實(shí)際的生理年齡差異很大?，F(xiàn)有的衰老研究大多基于壽命，而不是衰老本身。衰老與壽命并不能等同，比如有俗稱的“好死不如賴活著”的長(zhǎng)壽。而衰老研究的目的是為了更健康的晚年生活。系統(tǒng)定量的衰老速率模型，又被稱為衰老時(shí)鐘，正是為了來計(jì)算生物年齡，然后用生物年齡與實(shí)際年齡的差值作為衰老速率來量化個(gè)體間衰老程度的差異。
實(shí)際操作中，由于生理年齡金標(biāo)準(zhǔn)的缺失，往往用實(shí)際年齡代替生物年齡來訓(xùn)練時(shí)鐘模型，據(jù)此來定義離群值，并用其他的生理或分子參數(shù)作為佐證。現(xiàn)有方法都是基于這樣的操作。譬如，使用人外周血單核細(xì)胞轉(zhuǎn)錄組芯片數(shù)據(jù)來預(yù)測(cè)人的年齡，得到的實(shí)際年齡與預(yù)測(cè)年齡之間的誤差為7.8歲(Peters et al., 2015)，而使用人全血全基因組甲基化芯片數(shù)據(jù)（基于Illumina 27K芯片）得到的誤差為4.9歲(Hannum et al., 2013)。利用這些方式都需要血液細(xì)胞，測(cè)量的侵入性和高費(fèi)用使得他們不可能應(yīng)用于大規(guī)模篩選或常規(guī)體檢。這就限制了生理年齡測(cè)量在這個(gè)人口老齡化時(shí)代的推廣應(yīng)用與社會(huì)意義。2015年韓敬東研究組首次發(fā)表了基于三維面部圖像預(yù)測(cè)年齡的方法，受到了世界各地媒體的報(bào)道。這項(xiàng)技術(shù)當(dāng)時(shí)的誤差為6.2歲(Chen et al., 2015)，它比起其它衰老時(shí)鐘有著無(wú)創(chuàng)廉價(jià)的優(yōu)勢(shì)，因此可以快速大規(guī)模收集數(shù)據(jù)，建立更精確的人工智能模型。
在以前的三維面部圖像預(yù)測(cè)年齡的方法基礎(chǔ)上，這項(xiàng)新發(fā)表研究在近五千人的三維面部圖像上訓(xùn)練深度學(xué)習(xí)模型，這一非線性年齡預(yù)測(cè)模型可以達(dá)到與實(shí)際年齡或目測(cè)年齡誤差僅為2.79/2.90歲。目測(cè)年齡是生物年齡的衡量標(biāo)準(zhǔn)之一，目測(cè)年齡預(yù)測(cè)模型的建立標(biāo)志著可以直接通過人工智能學(xué)習(xí)人類鑒定生物年齡的過程，而不是之前這一領(lǐng)域的方法論中間接地用預(yù)測(cè)年齡與實(shí)際年齡的差值來估測(cè)生物年齡，從而規(guī)避了原先把預(yù)測(cè)誤差當(dāng)作衰老速率的假設(shè)。通過這一模型，研究者發(fā)現(xiàn)個(gè)體衰老速率的異質(zhì)性在中年時(shí)期達(dá)到峰值。通過280個(gè)外周血單核細(xì)胞的轉(zhuǎn)錄組測(cè)序樣本，研究者發(fā)現(xiàn)了與衰老速率最為相關(guān)的生物學(xué)過程與細(xì)胞類型。
人工智能可以學(xué)習(xí)人類目測(cè)人臉估測(cè)年齡的過程，準(zhǔn)確預(yù)測(cè)面部生理衰老速率，并檢測(cè)生活方式的影響（李家馨創(chuàng)作）
該研究綜合了轉(zhuǎn)錄組數(shù)據(jù)、三維面部數(shù)據(jù)與生活方式調(diào)查數(shù)據(jù)三項(xiàng)因素，為研究者通過使用因果推斷的方式，找到將三者維系在一起的分子中介提供了一個(gè)前所未有的機(jī)會(huì)。研究發(fā)現(xiàn)吸煙與衰老速率呈正相關(guān)，其中介分子是SEMA6B、GRN等細(xì)胞因子，其他不良的生活習(xí)慣如酗酒、食用腌制類食品等也與衰老速率呈正相關(guān)。相反的，食用酸奶、咖啡、水果、雞、豆類等以及按時(shí)吃飯都與衰老速率呈負(fù)相關(guān)關(guān)系，其中介分子包括了組蛋白乙?；笍?fù)合體蛋白ZZZ3的升高、SEMA6B and SMAD1等的降低。
因果推斷從生活方式到衰老速率之間的分子中介
最后，這些可視化結(jié)果存儲(chǔ)在人類血液基因表達(dá)與三維面部圖像的關(guān)聯(lián)（human blood gene expression – 3D facial image association, HuB-FI）數(shù)據(jù)庫(kù)（https://www.picb.ac.cn/hanlab/hub-fi）中，供其他研究者與公眾查詢。
HuB-FI數(shù)據(jù)庫(kù)
該研究工作主要由韓敬東研究組夏嫻博士與陳興委博士作為共同第一作者合作完成，韓敬東教授與周永教授為通訊作者，并得到了Carlo Vittorio Cannistraci，張康，Brian Kennedy，王嵬教授的幫助，研究也獲得了科技部、基金委及上海市科委的經(jīng)費(fèi)支持。（科技處）
原文鏈接: https://www.nature.com/articles/s42255-020-00270-x
參考文獻(xiàn)：
Chen, W., Qian, W., Wu, G., Chen, W., Xian, B., Chen, X., ... Han, J. D. (2015). Three-dimensional human facial morphologies as robust aging markers. Cell Res, 25(5), 574-587. doi:10.1038/cr.2015.36
Hannum, G., Guinney, J., Zhao, L., Zhang, L., Hughes, G., Sadda, S.,?...?Zhang, K. (2013). Genome-wide Methylation Profiles Reveal Quantitative Views of Human Aging Rates. Molecular Cell, 49(2), 359-367. doi:10.1016/j.molcel.2012.10.016
Peters, M. J., Joehanes, R., Pilling, L. C., Schurmann, C., Conneely, K. N., Powell, J.,?...?Johnson, A. D. (2015). The transcriptional landscape of age in human peripheral blood. Nature Communications, 6, 8570. doi:10.1038/ncomms9570
官方微信
