Science关注中科院最新衰老研究

　　

生物通报道  来自中科院上海生命科学研究院计算生物学研究所的研究人员，通过获取年龄在17-77岁人群的300多张面部3D图像绘制出了第一张综合人类面部老化图谱，并确定了一些定量的面部特征。这项研究获得了《科学》（Science）网站的关注，以“Is your face the same age as you are?”为题对其进行了介绍。

领导这项研究的是中科院上海生命科学研究院计算生物学研究所所长的韩敬东（Jing-Dong J. Han）研究员。其主要研究方向包括：研究生物网络的结构、动态及其功能；利用功能基因组学数据，寻找疾病有关的基因及进一步研究其病理作用；以及探求遗传基因网络中内在的完全稳定机制。

衰老是许多复杂疾病的一个主要风险因子（延伸阅读：Science发现逆转衰老的通道 ）。对衰老过程进行可靠的预测不仅对于定量评估衰老程度及逆转过程具有重要的意义，对于确定年龄相关疾病的风险以及设计个体化的治疗方案也可产生重要的影响。然而，尽管付出了极大的研究努力，到目前为止尚没有可靠的衰老标记物来衡量个体的生物学年龄。

随着近年来三维(3D)成像技术以及一些用单像素检测器构建3D图像的方法的发展，人脸三维数据现已被应用于疾病诊断及种族人群间面部形态比较等许多领域。例如，它已被广泛用于识别许多畸形综合征，如Noonan综合征、腭心面综合征、Williams综合征、Smith-Magenis综合征、22q11微缺失综合征、Fabry病、自闭症谱系障碍和Wolf-Hirschhorn综合征等。

面部老化是人体衰老最显而易见且易于观察到的表型。以往曾有一些研究尝试用二维人脸来评估人类的年龄。但到目前为止，少有研究利用三维图像来分析人类的面部老化。在这项新研究中，研究人员通过取得年龄在17-77岁人群的300多张面部三维图像绘制出了一张面部老化图谱，并计算了不同年龄组男女的平均脸。结果表明，平均年龄偏大的面孔显示出一些年龄的标志性特征——皮肤松弛下垂、眼睑下垂和笑纹加深，并且他们的口鼻变宽，眼角下垂，口鼻之间的距离拉大。

研究人员利用他们的面部老化图谱预测了每个受试者的年龄。将面部年龄与实际年龄相差6年以上者指定为缓慢或加速衰老者。随后，科学家们比较了快速、缓慢和正常衰老者的血液样本。发现缓慢衰老者的血液谱与年轻一些的人群相似。例如，缓慢衰老者具有较高水平的血液白蛋白，这种蛋白往往随着年龄增大而减少。

科学家们说，这种方法可以成为评估一般健康和衰老状况的一种有用的、非侵袭性的工具。但这项研究仅纳入了中国人的脸，如何将这些特征转化至其他的种族仍有待观察。该研究小组将他们的研究成果发布在3月31日的《细胞研究》（Cell Research）杂志上。

（生物通：何嫱）

生物通推荐原文摘要：

Three-dimensional human facial morphologies as robust aging markers

Aging is associated with many complex diseases. Reliable prediction of the aging process is important for assessing the risks of aging-associated diseases. However, despite intense research, so far there is no reliable aging marker. Here we addressed this problem by examining whether human 3D facial imaging features could be used as reliable aging markers. We collected > 300 3D human facial images and blood profiles well-distributed across ages of 17 to 77 years……

作者简介：

韩敬东

博士，原中国科学院遗传与发育生物学研究所研究员，现任计算生物学所所长，博士生导师。

1991年获中国药科大学学士；1996年获Albert Einstein College of Medicine 博士；1997－1998年，为The Rockefeller University 博士后；1999－2002年，为IT软件工程师；2002－2004年，为Dana Farber Cancer Institute and Harvard Medical School博士后。2004年中国科学院"****"入选者，2005年获得国家杰出青年科学基金。

研究方向
1. 研究生物网络的结构、动态及其功能。。　
2. 利用functional genomics的数据，寻找疾病有关的基因及进一步研究其病理作用。
3. 探求遗传基因网络中内在的安全稳定机制。