Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

《科学》报道:一不小心暴露年龄?秘密全在肠道菌群!

数十亿个细菌在我们的肠道中安家并发挥着调节作用,从我们消化食物的能力到免疫系统的运作,都离不开这些肠道菌群的帮助。但是,科学家们对这种被称为微生物组的系统可谓是知之甚少。这个系统如何随着时间的推移发生变化,“正常的”微生物组究竟长什么样,诸如此类的问题科学家们也无法全部回答上来。

▲脆弱拟杆菌是人体肠道微生物组的主要成分之一(图片来源:123RF)

但是就在近日,研究人员发现了一个关于微生物组的“秘密”:在研究了全球成千上万人的肠道细菌后,他们发现,肠道微生物组其实是一个精确度惊人的“生物钟”,能够预测大多数人的年龄,其误差只有几岁

为了研究肠道微生物组是如何随时间变化的,来自Insilico Medicine的Alex Zhavoronkov博士及其同事分析了来自全球1165名健康人的3600多个肠道细菌样本。在这些样本中,约三分之一来自20-39岁的人,三分之一来自40-59岁的人,而最后三分之一来自60-90岁的人。

▲该研究的原理示意图(图片来源:bioRxiv)

随后,研究人员们利用机器学习技术,来对数据进行分析。首先,他们利用90%样本中的95中不同种类细菌,以及提供这些样本的人的年龄,训练了一个深度学习算法,来近似模拟大脑中神经元的运转方式。然后,研究人员使用该算法来预测剩余10%样本中人的年龄。结果显示,算法准确地预测出了这些人的年龄,误差在4岁以内。同时他们还发现,在这95种不同的细菌中,有39种在预测年龄方面发挥了重要作用

▲算法预测年龄与实际年龄对比示意图,其中蓝色为实际年龄,橘色为算法预测年龄(图片来源:bioRxiv)

Zhavoronkov博士和他的同事们发现,随着年龄的增长,一些肠道细菌的数量会不断增加。霍氏真杆菌(Eubacterium hallii)就是个很好的例子,这种细菌对于肠道中的新陈代谢非常重要。另外也有一些细菌数量在随年龄增长而减少,例如与溃疡性结肠炎有关的普通拟杆菌(Bacteroides vulgatus)。研究人员表示,饮食、睡眠习惯和身体活动的改变都可能会导致肠道菌群种类的变化

Zhavoronkov博士表示,这种“微生物组老化时钟(microbiome aging clock)”可以看作基线,来测试一个人的肠道老化速度,以及酒精、抗生素、益生菌或饮食等因素对长寿的影响。同时,它也可以用来将健康人和患有阿兹海默病等疾病的人进行比较,从而观察患者的微生物组是否偏离了常规状态。 

一旦这个发现得到验证,那么它将与那些用来预测生物年龄的其他生物标志物一起使用,其中包括衰老相关染色体端粒的长度,和人一生中DNA表达的变化情况等。将这种新型老化时钟与其他生物标志物相结合,可以更准确地反映出一个人的真实生物学年龄和健康状况。 同时,它还可以帮助研究人员更好地测试包括药物和其他治疗手段在内的干预措施是否对衰老过程产生影响

除了肠道菌群之外,Insilico Medicine还在构建几个基于机器学习的老化时钟,来同微生物组相结合。“不论是什么疾病,年龄都是一个重要的参考指标,”Zhavoronkov博士表示:“因为我们的身体每时每刻都在发生变化。”

参考资料:

[1] Galkin, et al., (2018). Human microbiome aging clocks based on deep learning and tandem of permutation feature importance and accumulated local effects. bioRxiv, doi: https://doi.org/10.1101/507780

[2]The bacteria in your gut may reveal your true age. Retrieved January 16, 2019, from https://www.sciencemag.org/news/2019/01/bacteria-your-gut-may-reveal-your-true-age

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业机器学习深度学习医疗健康肠道菌群
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

奇虎360机构

360公司成立于2005年8月,创始人周鸿祎 2011年3月30日在纽交所成功上市 2018年2月28日,回归A股上市,上证交易所(601360) 是中国第一大互联网安全公司,用户6.5亿,市场渗透率94.7% 中国第一大移动互联网安全公司,用户数超过8.5亿 中国领先的AIoT公司,将人工智能技术应用于智能生活、家庭安防、出行安全、儿童安全等多个领域

http://smart.360.cn/cleanrobot/
推荐文章
暂无评论
暂无评论~