基因君官网
（图片来自网络）
2015年10月27日讯 /生物谷BIOON/ –最近，来自昆士兰大学的研究人员发现了接近1500个与衰老相关的基因，这为衰老研究以及延缓衰老的方法开发提供了新的遗传基础。参与该项研究的Dr. Joseph Powell还指出这项发现对于更好地预防和治疗衰老相关疾病具有一定意义。相关研究结果发表在国际学术期刊nature communication上。
他说道：”我们检测了基因活性与衰老之间的关联，发现了许多在人类衰老过程中活性增强或降低的基因。这些信息可以用于预测处于一定年龄段的人群患某些疾病的风险，同时还可以帮助人们作出相应的生活方式和环境因素调整以降低患病风险。”
在这项研究中，研究人员对超过15,000人的血液进行了分析，发现了1,497个衰老相关基因，其中大部分基因在此之前没有发现与衰老存在关联。随后研究人员利用这一信息开发了一种基于基因活性水平预测生物学年龄的新方法。
研究人员指出，参与者的生物学年龄越大，也就意味着基于他们基因活性所预测出的年龄高于他们实际年龄，他们患一些疾病，如高血压和高胆固醇的风险也会更高。与之相反，一些参与者的生物学年龄更小，这就表明他们可能比其他同年龄的人更加健康。
研究人员已经将这一方法整合到他们的网站上，在这个网站上，通过分析人类基因活性数据可以预测生物学年龄，同时还可评估参与者是否会比预期衰老得更快或者更慢。
这项研究为衰老过程中相关疾病的发生提供了潜在的分子机制，同时也为未来衰老研究开辟了新的道路。（基因宝jiyinbao.com）
本文系生物谷原创编译整理。欢迎转载！转载请注明来源并附原文链接。更多资讯请下载生物谷资讯APP。
The transcriptional landscape of age in human peripheral blood
Marjolein J. Peters,Roby Joehanes,Luke C. Pilling,Claudia Schurmann,Karen N. Conneely,Joseph Powell,Eva Reinmaa,George L. Sutphin,Alexandra Zhernakova,Katharina Schramm,Yana A. Wilson,Sayuko Kobes,Taru Tukiainen,NABEC/UKBEC Consortium,Yolande F. Ramos,Harald H. H. G?ring,Myriam Fornage,Yongmei Liu,Sina A. Gharib,Barbara E. Stranger et al.
Disease incidences increase with age, but the molecular characteristics of ageing that lead to increased disease susceptibility remain inadequately understood. Here we perform a whole-blood gene expression meta-analysis in 14,983 individuals of European ancestry (including replication) and identify 1,497 genes that are differentially expressed with chronological age. The age-associated genes do not harbor more age-associated CpG-methylation sites than other genes, but are instead enriched for the presence of potentially functional CpG-methylation sites in enhancer and insulator regions that associate with both chronological age and gene expression levels. We further used the gene expression profiles to calculate the ‘transcriptomic age’ of an individual, and show that differences between transcriptomic age and chronological age are associated with biological features linked to ageing, such as blood pressure, cholesterol levels, fasting glucose, and body mass index. The transcriptomic prediction model adds biological relevance and complements existing epigenetic prediction models, and can be used by others to calculate transcriptomic age in external cohorts.