企业动态

  ◆近日，Philippe Jawinski、Helena Forstbach、Holger Kirsten等学者联合发表研究成果，深入探究脑龄差异的基因组学机制及其与健康特征的关联，该研究发表于《Nature Aging》期刊（2025年第5卷，2086-2103页）。

  ◆随着神经影像与机器学习技术发展，“脑龄差”成为基于磁共振成像（MRI）的潜力生物标志物，可量化大脑生物年龄与实际年龄的偏差。此研究旨在对脑龄差展开深度基因组分析，并探究其与1000多种健康特征的关联。

  ◆研究团队首先借助CAT12体素形态测量法，结合T1加权MRI扫描与监督式机器学习（稀疏贝叶斯相关向量机、极端梯度提升算法），在英国生物银行（UKB）的32634名英国白人血统受试者中估算脑龄，还在多血统样本（最多23714人）中验证结果。随后开展全基因组关联研究（GWAS），对发现样本与验证样本进行荟萃分析，总样本量达56348人；通过连锁不平衡分数回归（LDSC）计算遗传力，利用条件分析识别独立关联位点；借助精细定位、功能注释、转录组分析等方法优先筛选基因；通过多基因评分（PGS）评估遗传变异预测力，利用孟德尔随机化检验因果效应。

 ◆研究发现，常见遗传变异对脑龄差的遗传力贡献达23%-29%，共识别出59个相关位点（含39个新位点），其中主要位点包含编码tau蛋白（阿尔茨海默病关键蛋白）的MAPT基因。遗传相关性分析显示，脑龄差与心理健康（如情绪低落）、身体健康（如糖尿病）、生活方式（如饮酒量）及社会经济特征（如收入）相关。孟德尔随机化分析表明，高血压与2型糖尿病是加速脑龄老化的因果因素。此外，研究还发现与神经发生、免疫系统相关过程及小GTP酶结合相关的关键基因与通路，为后续机制研究奠定基础。

全文链接：https://www.nature.com/articles/s43587-025-00962-7