生物标志物

【沙特阿拉伯利雅得】专家称：AI将推动长寿科学实现重大突破，但需填补关键’数据空白’

by

【编者按】

当AI技术遇上长寿研究，我们仿佛看到了人类延长健康寿命的新希望。然而，正如文中所指出的，数据瓶颈正成为这一领域发展的关键掣肘。如何在保护隐私的前提下获取足够多样化的数据，将是决定AI能否真正推动长寿研究突破的重要课题。

Alexei Oreskovic
AI技术推动长寿研究

我们追求更长寿命和更健康生活的永恒追求将获得AI技术的巨大推动。但正如所有与AI相关的事物一样，最大的障碍之一就是数据。

数据收集面临挑战

本周在利雅得举行的《财富》全球论坛上，专家小组表示，在衰老科学领域，缺乏足够的数据来帮助科学家理解体内细胞和器官如何衰老，以及性别、种族和环境的差异如何影响衰老过程。

“数据是关键。生物数据的深度、人口统计数据的深度、流行病学数据的深度都必须得到适当收集，”专注于衰老科学的非营利组织Hevolution Foundation研究高级副总裁哈雅·宾特·哈立德·本·班达尔·阿尔·沙特公主博士表示。

但她指出，当前的医疗保健框架意味着我们收集数据的网络还不够广泛。

Alexei Oreskovic
“筛查通常发生在人们变老时。但我们正在努力做的——在座的所有人——是理解衰老的生物学，以便我们能够尽早干预，”哈雅·宾特·哈立德·本·班达尔·阿尔·沙特博士说。”没有人能说我们应该从多年轻开始筛查衰老。但衰老从很年轻的时候就开始了，而不是在你60岁的时候。”
AI加速药物发现

Hevolution正与科学家和生物技术公司密切合作，推进专注于”健康寿命”（减少与年龄相关的疾病）的药物发现，并加速消费者获得这些进展。
如今许多实验室正在使用AI来加速药物发现过程并进行更多尝试。Insilico Medicine创始人兼首席执行官Alex Zhavoronkov表示，他有30个基于AI的项目正在进行中，这些项目因其”双重目的”潜力而被特别选择。

“我们正在寻找可能同时对疾病和衰老起作用的蛋白质靶点和药物，”Zhavoronkov说。”第一个获得批准对抗疾病并在真实临床试验中能够证明可信地逆转衰老生物标志物的AI发现药物将是一个重要的里程碑。”
From left: Alex Zhavoronkov, founder and CEO, Insilco Medicine; Sophie Smith, founder and CEO, NABTA Health; HRH Princess Dr. Haya bint Khaled bin Bandar Al Saud, senior vice president of research, Hevolution Foundation.
“有大量证据表明，我们正处于衰老研究重大科学发现的边缘，”Zhavoronkov说。”我不认为你应该期待在未来10年内看到多个戏剧性的奇迹，但在未来20年内……我们将会有许多许多戏剧性的事件。”
性别差异的重要性

NABTA Health创始人兼首席执行官Sophie Smith表示，大型语言AI模型有潜力在衰老科学中解锁重要的知识和见解。但随着AI发挥更大作用，填补”数据空白”的重要性变得更加关键。
她举例说，直到1993年，临床试验只涉及男性参与者，而今天绝大多数试验在欧洲和美国进行。Smith表示，这意味着今天不到1%的临床试验参与者是中东、南亚和非洲裔女性。
考虑到男性和女性衰老方式不同，这对衰老科学尤其成问题。Smith指出，当前衰老科学的一个假设是，如果一个人活到80岁，其中60年可能是健康的，最后25%将处于相对不健康的状态。

Alexei Oreskovic
“但这个假设只适用于男性，”Smith说。由于荷尔蒙变化、诊断延迟和其他因素，女性通常生命中期的60%处于相对不健康的状态，而生命的最后30%处于相对良好的健康状态。

因此，衰老科学的研究和进展需要考虑，对女性而言”不是延长生命，而是重新获得生命”。

查看全文: 点击查看原文 |
⏰ 发布时间: 2025年10月29日

衰老细胞清除化合物在体外降低血液样本的表观遗传年龄

by

【编者按】

衰老细胞清除药物研究迎来新突破。最新实验发现，JQ1、RG7112等四种化合物能在体外显著降低血液样本的表观遗传年龄指标，为抗衰老药物筛选提供了创新方法学路径。这项研究不仅揭示了特定化合物逆转衰老标志物的潜力，更开创性地建立了基于表观遗传时钟的快速药效评估体系，为开发精准靶向衰老细胞的新型疗法奠定重要基础。

figure 2
摘要

衰老细胞清除药物让人们期待它们能够特异性清除特定组织中的衰老细胞亚群。在本研究中，我们示例性地分析了人类血液样本在体外经过3天处理后是否会降低与年龄相关的生物标志物，特别关注表观遗传年龄预测。在八种测试化合物中，JQ1、RG7112、nutlin-3a和AMG232降低了表观遗传年龄，表明这种方法可能有助于衰老细胞清除化合物的药物筛选。

引言

细胞衰老是一种永久性细胞周期停滞状态，细胞保持代谢活性但停止增殖或进入凋亡。虽然衰老可能有助于预防肿瘤形成，但越来越多的证据表明，随着我们年龄增长，衰老细胞的积累会对组织功能产生负面影响。已发现小分子化合物能够选择性靶向衰老细胞。这些所谓的衰老细胞清除药物可能为预防与年龄相关的疾病提供有前景的策略。
为了识别新型且更有效的衰老治疗药物和组合，已采用高通量筛选方法。例如，一种方法涉及检测小鼠胚胎成纤维细胞中的衰老相关β-半乳糖苷酶（SA-β-gal）。或者，高通量筛选已用于体外检测p16Ink4a阳性细胞和体内表型筛选。迄今为止，衰老细胞清除化合物的体外筛选主要依赖于成纤维细胞，只有少数研究考虑了外周血单个核细胞（PBMCs）。此外，关于衰老细胞清除药物如何影响表观遗传年龄预测知之甚少。
衰老与高度可重复的DNA甲基化变化（DNAm）相关，这些变化可用于年龄预测。虽然许多这些预测基于全基因组表观遗传谱，但对少量与年龄相关的CpGs进行靶向分析也被证明能产生准确结果。我们预期白细胞内存在衰老亚群，如果衰老细胞清除药物优先靶向这些细胞，它们可能也会降低表观遗传年龄估计值。

结果与讨论

我们选择了八种具有潜在衰老细胞清除活性的化合物，它们靶向不同的抗凋亡途径：其中，RG7112（RO5045337）、AMG232（KRT-232；Navtemadlin）和nutlin-3a是核定位E3泛素连接酶MDM2的抑制剂，它们破坏p53和MDM2之间的相互作用，导致p53稳定并促进衰老细胞凋亡。JQ1是一种BET溴结构域抑制剂，靶向非同源末端连接DNA修复途径。我们还包括了BH3模拟物，如靶向多种BCL-2家族蛋白的ABT263（navitoclax），以及特异性抑制抗凋亡蛋白MCL-1的S63845。此外，我们使用了酪氨酸激酶抑制剂达沙替尼和天然存在的黄酮类化合物槲皮素，后者抑制SIRT1/PI3K信号通路，通常联合使用以产生协同效应。最后，我们还包括了荜茇酰胺，这是长胡椒果实中的一种酰胺生物碱，通过抑制氧化应激反应蛋白选择性诱导衰老细胞死亡。
为了确定这些化合物的半数抑制浓度（IC50），我们用不同浓度处理健康供体的PBMCs，在体外培养三天并分析细胞活力。基于这些结果，我们选择了两个浓度——一个低于IC50，一个高于IC50（随后分别称为低浓度和高浓度）——来评估它们对不同年龄（22-68岁）的12-18名供体的表观遗传年龄预测的影响。用于这些预测的衰老特征基于CCDC102B、FHL2和PDE4C基因中的三个CpGs。在未处理的PBMCs中，预测年龄与实际年龄之间的相关性很强（R2=0.95），平均年龄偏差为0.34年。此外，重复测量证实了这些测量结果的高度可重复性。
值得注意的是，四种化合物的处理导致表观遗传年龄预测降低：RG7112（低浓度和高浓度的平均偏差分别为-2.7年和-3.9年；年龄偏差的单样本t检验：p=0.002和0.0001）、JQ1（平均偏差为-2.2年和-3.0年；p=0.02和0.005）和AMG232（高浓度平均偏差=-3.0年；p<0.05）。

figure 1
查看全文: 点击查看原文 |
⏰ 发布时间: 2025年02月04日

【新加坡】长寿科学：抗衰老医学如何取得进展

by

【编者按】

随着医学科技不断突破，人类对衰老的认知正经历革命性转变。从生物标志物研究到人工智能辅助药物开发，科学家们正在重新定义生命长度的可能性。本期探讨的不仅是寿命的延长，更是如何通过前沿科技提升生命质量。当”活得更久”与”活得更好”成为双重命题，我们或许正站在重塑人类健康图景的历史节点。

延长寿命
医学进步正在重新定义衰老的含义
关键要点
理解衰老生物标志物的突破正在推动长寿科学的发展
人工智能和量子计算正在加速药物发现过程
同时针对衰老和慢性病的双重用途疗法是投资者的关键目标
表面上看，这可能是一个相当直接的决定。面对以下两种选择，中年人会选择哪一种：保证活到95岁，还是押注科学进步将寿命延长到100岁以上？
当前的寿命统计数据可能倾向于前者。根据世界卫生组织的数据，全球女性平均预期寿命为74岁，男性为68.9岁。2024年，全球82亿人口中总共有72.2万名百岁老人。
然而，选择后者的是总部位于香港的Insilico Medicine创始人兼首席执行官亚历山大·扎沃龙科夫博士。在2025年2月于新加坡举行的美国银行突破技术对话会上，他预测不仅活到120岁（寿命）将变得普遍，而且健康地活到120岁（健康寿命）也将成为现实。
“我希望在未来的20到30年内，我们将生活在一个衰老可以被控制的世界。”
最近发表在《自然·衰老》上的一项研究认为，将人类寿命延长到目前法国珍妮·卡尔芒创下的122.45岁上限以上”在本世纪内是不可行的”。
然而，这一声明附带了一个重要的限制条件：”除非生物衰老过程能够显著减缓”。而针对这些衰老的根本原因，正是像扎沃龙科夫博士这样的长寿科学家们正在尝试做的事情。
多种因素推动着这一假设。其中包括在理解衰老生物标志物方面的突破，然后使用人工智能和潜在的量子计算来加速发现预防或延缓衰老发作的治疗方法和药物。
最值得注意的是，这涉及减缓引发糖尿病、心脏病、中风、癌症和痴呆等慢性病的身体功能丧失。这些疾病目前在患病率和治疗成本上都在增长——到2030年全球预计将达到47万亿美元。
颠覆慢性病的社会和经济影响将是巨大的。改善肯定是可能的。医生们一致认为，通过解决不健康的生活方式选择（缺乏运动、营养不良、吸烟和过量饮酒）以及环境污染等环境暴露，许多疾病可以被预防或延迟。
例如，改变可以改变基因表达自身的方式，通过开启或关闭某些基因（表观遗传学），而无需改变基本的DNA序列。
因此，许多政府正试图通过将医疗系统从治疗疾病转向预防疾病来改善国家财政和公民的健康寿命。来自可穿戴设备的数据应该逐步促进这一点，为医生和患者提供关于药物和生活方式改变影响的持续信息流。
衰老的生物标志物
同样，突出遗传风险的DNA测试和生成个性化生物标志物的血液测试，为精准医学提供了基础，这将使个人能够享受更长、更健康的生活。理解衰老的生物标志物意味着现在可以在不观察外表特征的情况下，精确判断一个人的生物学年龄是否高于或低于其实际年龄。
“这些生物标志物不仅帮助我们评估多种现有药物的抗衰老特性，还能发现新药物并评估其有效性。这是我们一生中将看到的医疗保健领域最大的潜在颠覆。”
考虑到已知宇宙中存在的分子比恒星还多，可能性几乎是无限的。但是找到那些通过改变体内特定蛋白质行为而有可能有益于人类健康的分子是一个耗时的过程。
而且这一过程一直面临着很高的失败率。数据显示，超过90%的临床药物开发都失败了。
人工智能分析海量数据集的能力及其建模能力正在开始改变这一状况，加速药物发现。量子计算可能会将这一过程提升到新的水平，因为它遵循所有生物物质都受其约束的量子力学原理。
双重用途疗法
澳大利亚生命科学风险投资公司Brandon Capital的合伙人乔纳森·托宾认为，医疗保健领域最大的投资机会在于发现新分子和疾病的新机制。
对扎沃龙科夫博士来说，这意味着双重用途疗法，同时针对疾病和衰老的基本途径。他的公司使用生成式人工智能来寻找这些疗法，目前正在开发一种治疗特发性肺纤维化的候选药物，这是一种与年龄相关的肺部疾病，平均发病年龄约为65岁。2024年9月在中国完成了2a期临床试验。
也许最著名的双重用途疗法例子是胰高血糖素样肽-1（GLP-1）受体激动剂药物，这些药物最初是为治疗糖尿病而开发的，但现在被用于治疗肥胖症。
None
查看全文: 点击查看原文 |
⏰ 发布时间: 2025年02月01日

【美国】外泌体诊断与治疗市场趋势 | 年复合增长率14.5%

by

【编者按】

外泌体技术正以前所未有的速度重塑医疗诊断与治疗格局。数据显示，这一新兴领域将在未来十年实现爆发式增长，年复合增长率高达14.5%。作为细胞间通讯的关键信使，外泌体凭借其独特的生物学特性，为精准医疗开辟了新路径。本期市场观察带您深入了解这一革命性技术如何推动疾病检测与治疗创新，以及北美市场领跑全球的背后逻辑。

Exosome Diagnostic and Therapeutic Market Share
市场概况

全球外泌体诊断与治疗市场规模预计将从2024年的5460万美元增长至2034年的约2.115亿美元，在2025年至2034年的预测期内以14.5%的年复合增长率增长。2024年，北美地区以4.4亿美元的收入引领市场，市场份额超过45.5%。

“一项利用外泌体（天然存在的约30-150纳米大小的细胞外囊泡）的革命性平台正在推进，以增强疾病检测和治疗递送能力。”

这些由大多数真核细胞分泌的囊泡携带蛋白质、脂质和核酸，反映了其来源细胞的状态，可以从血液、尿液和其他生物体液中分离出来用于临床。

诊断应用

该平台的诊断分支通过分析与外泌体相关的蛋白质和RNA生物标志物，实现早期疾病检测，涵盖癌症、神经退行性疾病和心血管疾病。检测性能正在严格的FDA诊断检测指南下进行验证，确保适用于液体活检应用的灵敏度和特异性。

治疗应用

在治疗方面，外泌体被设计用于递送mRNA、小分子和抗体，具有高生物相容性和靶向趋向性。临床前研究已证明其具有高效的血脑屏障穿透和组织再生能力。根据《公共卫生服务法》和《联邦食品、药品和化妆品法》正在推进监管路径，以获得首创外泌体疗法的研究性新药批准。

关键要点

市场规模：全球外泌体诊断与治疗市场规模预计将从2024年的5460万美元增长至2034年的约2.115亿美元。

市场增长：在2025年至2034年的预测期内，市场以14.5%的年复合增长率增长。

产品分析：2024年，仪器细分市场以外泌体诊断与治疗市场45.4%的份额占据主导地位。

应用分析：诊断应用细分市场被观察到主导外泌体市场，占总使用量的57.3%。

终端用户分析：2024年，癌症研究所终端用户细分市场被观察到主导外泌体诊断与治疗市场，占总采用量的37.4%。

区域分析：2024年，北美地区以4.4亿美元的收入引领市场，市场份额超过45.5%。

产品分析详情

2024年，仪器细分市场以外泌体诊断与治疗市场45.4%的份额占据主导地位。该类别包括超速离心机、纳米颗粒跟踪分析仪、流式细胞仪和微流体分离平台。这些设备受FDA质量体系法规21 CFR Part 820的约束，以确保一致的外泌体分离和表征性能。

试剂细分市场约占市场的35%，包括外泌体富集试剂盒、亲和捕获试剂、裂解缓冲液和RNA提取试剂盒。在NIH资助的研究中，试剂的标准化提高了检测的可重复性和生物标志物定量准确性。

软件解决方案构成剩余市场份额。这些平台支持高通量数据分析、外泌体RNA测序数据的生物信息学处理以及机器学习驱动的生物标志物发现。FDA关于软件作为医疗器械的指南支持临床验证、网络安全以及与实验室信息管理系统的互操作性。

“仪器强大的性能、试剂的一致性和软件的分析能力共同构成了一个集成的产品生态系统，支持从样品制备到数据解读的全面外泌体工作流程，推动研究和临床应用市场的持续增长。”
应用分析详情

诊断应用细分市场被观察到主导外泌体市场，占总使用量的57.3%。临床应用主要集中于无创疾病检测。截至2023年底，ClinicalTrials.gov上已注册了超过288项基于外泌体的诊断试验，涵盖肿瘤学、心血管和神经退行性疾病适应症。

癌症诊断占这些研究的一半以上，利用外泌体miRNA和蛋白质生物标志物来提高早期检测和预后准确性。包含外泌体货物的液体活检平台已在FDA体外诊断指南下开发，初步研究报告的灵敏度超过90%。

Exosome Diagnostic and Therapeutic Market Size
查看全文: 点击查看原文 |
⏰ 发布时间: 2024年06月01日

高光谱视网膜成像作为眼部和全身疾病的生物标志物

by

【编者按】

高光谱成像技术正为医学诊断带来革命性突破。这项前沿技术通过同时捕捉光谱与空间数据，为识别传统影像难以发现的生物标记物提供了全新视角。特别是在视网膜成像领域，它不仅揭示了疾病发生发展的新机制，更开创了无创诊断与监测的新路径。本期将带您深入了解这一技术如何重塑医疗影像的未来图景。

figure 1
摘要
“高光谱成像是医学影像学技术领域的前沿。它可同时收集光谱和空间数据。编码于这些数据中的结构和生理信息可用于识别和定位典型的难以捕捉的生物标记物。视网膜高光谱成像研究为疾病的病理生理学提供了新的见解，为视网膜和全身疾病的非侵入性诊断和监测提供了新方法。”
引言

我们对视觉世界的感知与光和物质独特而特定的相互作用密切相关。这种相互作用随着物质组成和照明光物理特性的变化而变化。在实验室中，通过研究这种相互作用来了解物体的组成是光谱学的基础。在更简单的层面上，传统摄影通过宽带光与视网膜的相互作用提供了对视网膜结构的洞察，这种相互作用由模拟人类视锥细胞敏感度的三通道（红、绿、蓝）传感器检测，因此可以重现眼睛所看到的内容。虽然这种方法在临床上很有用，但其本质上受到限制。通过研究光与组织的波长特异性相互作用，可以获得关于视网膜结构的更详细信息。这对大多数临床医生来说很直观——绿色（无红色）滤光片通常用于裂隙灯生物显微镜检查以突出视网膜出血，部分原因是血液中的血红蛋白是绿光的强吸收体。高光谱成像是这种方法的延伸，它涉及在不同波长的光下获取一系列视网膜图像。以这种方式获取的高维信息有可能改变一系列眼部和全身疾病的生物标志物检测，并推进对病理生理学的理解。

高光谱成像原理

高光谱成像起源于地理空间科学[1]，但经过几十年的发展，其应用已扩展到艺术保护[2]、食品质量与安全控制[3,4]、制药[5]、农业[6]、法医学[7,8]和医学[9,10]等领域。高光谱成像类似于传统摄影，然而它不是使用单一的宽带（白光）闪光，而是在连续的离散波长范围内捕获一系列图像。这些图像随后被堆叠以产生一个称为超立方体的三维数据集，该数据集由两个空间维度（x和y）和一个光谱维度（λ）组成（图1）[11]。超立方体中的每个位置或像素都有其自己的光谱特征（反射率作为波长的函数），指示其组成[12]，并且可以进一步分析以识别各个组分（称为端元）。

图1：高光谱成像示意图
“高光谱成像相机（标记为HS）使用窄带宽可调光源在通常不到一秒的时间内照亮视网膜。然后从视网膜反射的光由图像传感器收集。获取高光谱图像有多种模式，但通常通过扫描源波长来获取不同的帧以生成数据立方体（HS Cube）。每个图像都包含空间和光谱信息，每个像素都有相应的光谱特征。使用深度学习图像分析方法分析图像。这里展示了一个卷积神经网络（CNN）。CNN模型由输入层、隐藏层和输出层组成。隐藏层完全连接，由多个卷积、池化和激活堆栈组成，实现自动特征提取、分类和回归。训练CNN模型需要准确的真实数据，此处为说明目的描绘了正电子发射断层扫描（PET）、光学相干断层扫描（OCT）和光学相干断层扫描血管成像（OCTA）扫描。该模型的输出包括疾病生物标志物。”
采集模式

已经开发了多种高光谱成像方法[11,13,14,15,16]。由于成像传感器通常收集二维信息，而高光谱成像数据是三维的，因此两个维度是同时捕获的，而第三个维度是通过扫描获得的。空间扫描方法，通常称为推帚式扫描仪，涉及在空间维度上以“扫掠”运动逐点或逐行扫描。这通常导致低帧率和较长的采集时间[14]。

查看全文: 点击查看原文 |
⏰ 发布时间: 2024年05月22日

       © 2008 - 2025 全球医美资讯站