BIOMEDICAL RESEARCH INSIGHTS

洞察前沿,连接科研新知

聚焦合成生物学、AI 靶点发现、临床队列与公共数据库,汇集最新论文摘要与原始出处
每 12 小时采集更新,经人工审核后发布。

前沿研究专业聚合持续更新
PAPER EXPLORER

发现热点论文

每 5 分钟更新缓存
全部共 2 篇
AI 靶点发现综述Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics

Immunosenescence as a modifiable driver of neurodegenerative diseases: Pathways and multidimensional emerging strategies for Alzheimer's and Parkinson's diseases.

0 次引用趋势数据不足

免疫衰老是阿尔茨海默病(AD)和帕金森病(PD)的核心上游驱动因素,通过四条机制相互关联的级联通路发挥病理作用:衰老相关分泌表型(SASP)介导的慢性炎症失衡、免疫代谢重编程引起的氧化应激、自噬-溶酶体功能障碍导致的蛋白稳态异常,以及中枢神经系统免疫特权破坏所致的神经-免疫交流紊乱。当前临床实践仍主要局限于基于神经递质的对症管理,既无法阻止上游病理进展,也不能恢复丢失的神经元群体。靶向免疫衰老的新兴干预策略包括衰老细胞清除剂、抗氧化与代谢调节剂、自噬恢复及精准靶向纳米载体递送,在临床前和早期临床研究中已显示出延缓疾病进展的能力,其作用机制涉及选择性清除衰老免疫细胞、重塑神经炎症微环境和恢复细胞质量控制。多维治疗策略从人工智能引导的靶点发现、纳米载体工程和肠道菌群干预等角度,同时作用于免疫衰老网络的多个节点,以克服单靶点策略的固有局限。本文综述现有机制证据和转化数据,确立免疫衰老作为可干预治疗靶点,并为AD和PD的精准疾病修饰治疗提供概念框架。

为什么值得关注

AI 辅助短评,基于标题和摘要整理

该文将免疫衰老确立为AD与PD的核心上游驱动因素,整合四条相互关联的病理级联,并梳理靶向免疫衰老的干预策略与多维治疗框架。其价值在于把机制证据与转化数据统一到可干预靶点的概念体系中,为精准疾病修饰治疗提供思路,但属综述性论述,尚需实证检验。

查看扩展信息

完整作者

Jingyu Zhao、Linzhuo Qu、Hongjian Guan、Huiying Che、Fei Shi、Yang Yang

作者机构

  • Central Laboratory, the Affiliated Hospital of Yanbian University(Yanbian Hospital), Yanji, 133000, PR China; Key Laboratory of Pathobiology, Yanbian University, Yanji, 133000, PR China.
  • Department of Neurology, Jilin City Central Hospital, Jilin, 132001, PR China. Electronic address: 405700019@qq.com.
  • Central Laboratory, the Affiliated Hospital of Yanbian University(Yanbian Hospital), Yanji, 133000, PR China; Key Laboratory of Pathobiology, Yanbian University, Yanji, 133000, PR China. Electronic address: yangyang@ybu.edu.cn.

技术路线

文献综述:汇总机制证据与转化研究数据(SASP炎症失衡、免疫代谢重编程氧化应激、自噬-溶酶体功能障碍、神经免疫交互破坏)→ 提出以免疫衰老为可干预靶点的多维策略(衰老细胞清除剂、抗氧化与代谢调节、自噬恢复、纳米载体递送、AI靶点发现、肠道菌群干预)

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/10/30 06:05
临床队列方法学Nature medicine

Sex-specific biological aging clocks across organs and omics.

0 次引用趋势数据不足

研究基于性別差異構建生物衰老時鐘。研究者開發了涵蓋15個器官系統的38個性別特異性生物衰老時鐘,先證明性別分層訓練對建立性別特異性健康常模參照的重要性,繼而揭示女性與男性時鐘之間的顯著差異。關鍵遺傳參數與孟德爾隨機化結果顯示,器官特異性衰老易感性及其與心代謝、內分泌和精神性狀的關係在男女中配置不同。蛋白質體分析識別出分別追蹤女性與男性生物衰老的器官特異性突觸、免疫、血管和代謝網絡。縱向生存分析中,性別特異性時鐘以性別依賴和器官依賴的方式預測全身系統性疾病和全因死亡率。進一步分析揭示,在臨床前阿茲海默症臨床試驗中,腦衰老時鐘與認知衰退軌跡之間存在性別依賴性關聯。性別分層時鐘以性別適宜的常模參照界定生物年齡,並揭示合併模型可能掩蓋的性別依賴性遺傳、分子和臨床特徵;同時,性別合併和性別交互方法仍有價值,因為人類衰老和疾病在男女之間也存在基本生物學相似性。這些發現揭示衰老、阿茲海默症和全身健康中的性別特異性生物衰老特徵,突顯明確性別分層建模方法的必要性。

为什么值得关注

编辑短评

该研究针对现有衰老时钟按性别合并训练、默认性别不变的局限,构建了覆盖15个器官系统的38个性别特异性时钟,揭示男女在遗传、蛋白质组网络及疾病与死亡预测上的分化,并提示合并模型可能掩盖性别依赖信号。其价值在于为性别分层建模提供系统依据。

查看扩展信息

完整作者

MULTI Consortium、Zhiyuan Song、Derek Fong、Naowal Azraf Rahman、Michael R Duggan、Qu Tian、Jian Zeng、Xia Zhou、Chunrui Zou、Michael S Rafii、Li Shen、Paul Thompson、Eleanor M Simonsick、Keenan A Walker、Andrew Zalesky、Christos Davatzikos、Paul Aisen、Luigi Ferrucci、Susan M Resnick、Junhao Wen

作者机构

  • Laboratory of AI and Biomedical Science (LABS), Columbia University, New York, NY, USA.
  • Intramural Research Program, National Institute on Aging, National Institutes of Health, Baltimore, MD, USA.
  • Institute for Molecular Bioscience, University of Queensland, Brisbane, Queensland, Australia.
  • Department of Computer Science, Columbia University, New York, NY, USA.
  • Alzheimer's Therapeutic Research Institute, Keck School of Medicine of the University of Southern California, San Diego, CA, USA.
  • Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
  • Imaging Genetics Center, USC Mark and Mary Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California, Los Angeles, CA, USA.
  • Department of Psychiatry, Melbourne Medical School, The University of Melbourne, Melbourne, Victoria, Australia.
  • Artificial Intelligence in Biomedical Imaging Laboratory (AIBIL), Center for AI and Data Science for Integrated Diagnostics (AI2D), Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
  • Laboratory of AI and Biomedical Science (LABS), Columbia University, New York, NY, USA. junhao.wen89@gmail.com.
  • Department of Computer Science, Columbia University, New York, NY, USA. junhao.wen89@gmail.com.
  • Department of Radiology, Columbia University, New York, NY, USA. junhao.wen89@gmail.com.
  • Department of Biomedical Engineering, Columbia University, New York, NY, USA. junhao.wen89@gmail.com.
  • New York Genome Center (NYGC), New York, NY, USA. junhao.wen89@gmail.com.

技术路线

多组织/多组学数据 → 按性别分层训练38个生物学衰老时钟(15个器官系统)

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/11/01 03:52