通过整合功能基因组分析来调节大脑年龄的基因组电路
Xingzhong Zhao1,2, Anyi Yang2, Jing Ding2
1Huzhou Central Hospital, Affiliated Central Hospital Huzhou University, Huzhou, Zhejiang 313000, China.
Genomics, proteomics & bioinformatics
|August 12, 2025
概括
这项研究使用先进的AI模型改进了大脑年龄差距估计. 它识别了与大脑衰老和疾病相关的关键基因和调控网络.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 是一个遗传学.
- 人工智能的人工智能
背景情况:
- 大脑年龄差距 (BAG) 是大脑健康和认知衰退的关键生物标志物.
- BAG的遗传基础和分子机制尚不清楚.
研究的目的:
- 为了提高大脑年龄估计的准确性,使用一种新的AI模型.
- 确定与BAG相关的遗传因素和监管网络.
- 探索BAG相关基因在大脑衰老和疾病中的作用.
主要方法:
- 开发了一个对抗性卷积网络 (ACN) 来从MRI数据中准确估计大脑年龄.
- 将ACN模型应用于来自英国生物银行的大量老年人队列.
- 分析了遗传性,基因表达模式和调控网络.
主要成果:
- 该ACN模型显著提高了大脑年龄估计的准确性.
- 在调节区域和质细胞中,BAG的遗传性得到了丰富.
- 确定了RUNX2和KLF3作为与衰老途径相关的BAG相关基因.
- 发现KLF3和SOX10是大脑疾病中类基因的关键调节者.
结论:
- 该研究提供了一种改进的方法来估计BAG.
- 确定了与BAG相关的新型基因和调节网络,这些基因与大脑衰老和疾病有关.
- 突出了大脑衰老的遗传基础及其与神经疾病的联系.


