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（中科院-馬普學(xué)會(huì)計(jì)算生物學(xué)伙伴研究所）研究員韓敬東研究組與上海交通大學(xué)附屬第一人民醫(yī)院臨床研究院教授周永研究組合作，在Nature Metabolism上發(fā)表題為T(mén)hree-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle的研究論文。
　　衰老是眾多疾病的風(fēng)險(xiǎn)因素，衰老研究的目的是更健康的晚年生活?，F(xiàn)有的衰老研究大多基于壽命而非衰老本身，但衰老與壽命不能等同，相同年齡的個(gè)體，其實(shí)際生理年齡存在差異。系統(tǒng)定量的衰老速率模型，又稱為衰老時(shí)鐘，用來(lái)計(jì)算生物年齡，并用生物年齡與實(shí)際年齡的差值作為衰老速率，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訓(xùn)練時(shí)鐘模型，據(jù)此定義離群值，并用其他的生理或分子參數(shù)作為佐證。如使用人外周血單核細(xì)胞轉(zhuǎn)錄組芯片數(shù)據(jù)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）。利用以上方式都需要血液細(xì)胞，測(cè)量的侵入性和高費(fèi)用使其難以應(yīng)用于大規(guī)模篩選或常規(guī)體檢，限制了生理年齡測(cè)量在老齡化時(shí)代的推廣應(yīng)用。2015年，韓敬東研究組發(fā)表基于三維面部圖像預(yù)測(cè)年齡的方法，該技術(shù)當(dāng)時(shí)的誤差為6.2歲（Chen et al., 2015），與其它衰老時(shí)鐘相比具有無(wú)創(chuàng)、廉價(jià)的優(yōu)勢(shì)，因而可以大規(guī)模的快速收集數(shù)據(jù)，建立更為準(zhǔn)確的人工智能模型。
　　在三維面部圖像預(yù)測(cè)年齡方法的基礎(chǔ)上，此次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)模型的建立可實(shí)現(xiàn)通過(guò)人工智能學(xué)習(xí)人類(lèi)鑒定生物年齡的過(guò)程，而不用預(yù)測(cè)年齡與實(shí)際年齡的差值估測(cè)生物年齡，從而規(guī)避把預(yù)測(cè)誤差當(dāng)作衰老速率的假設(shè)。通過(guò)這一模型，研究發(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，并通過(guò)280個(gè)外周血單核細(xì)胞的轉(zhuǎn)錄組測(cè)序樣本，發(fā)現(xiàn)與衰老速率最為相關(guān)的生物學(xué)過(guò)程與細(xì)胞類(lèi)型。
　　該研究綜合轉(zhuǎn)錄組數(shù)據(jù)、三維面部數(shù)據(jù)和生活方式調(diào)查數(shù)據(jù)，為研究人員利用因果推斷找到將三者維系起來(lái)的分子中介提供機(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(lèi)食品等，與衰老速率呈正相關(guān)。相反，食用酸奶、咖啡、水果、雞、豆類(lèi)等以及按時(shí)吃飯與衰老速率呈負(fù)相關(guān)關(guān)系，中介分子包括組蛋白乙?；笍?fù)合體蛋白ZZZ3的升高、SEMA6B和SMAD1等的降低。
　　該研究的可視化結(jié)果存儲(chǔ)在人類(lèi)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。韓敬東研究組博士夏嫻與陳興委為論文共同第一作者，韓敬東與周永為論文通訊作者，并得到Carlo Vittorio Cannistraci等的幫助。研究工作獲得科技部、基金委及上海市科學(xué)技術(shù)委員會(huì)的支持。
　　論文鏈接
　　人工智能可以學(xué)習(xí)人類(lèi)目測(cè)人臉估測(cè)年齡的過(guò)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）
　　因果推斷從生活方式到衰老速率之間的分子中介
　　HuB-FI數(shù)據(jù)庫(kù)