| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

斯坦福科学家:中年行为或已悄然决定你的寿命长短


请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!



科学家杂志AI绘图 GPT5.4

通过在动物一生中对鱼类进行持续、细致的观察,研究人员发现:中年阶段的一些相对简单的行为——例如运动方式与睡眠模式——能够用来预测寿命。保持较高活动水平、且主要在夜间睡眠的鱼往往寿命更长;而那些更早出现“变慢”迹象的个体则寿命更短。令人意外的是,衰老并不是以平滑、连续的方式逐步展开,而是会在不同阶段之间出现“跳跃式”的变化。该研究提示:若能在人体中追踪日常习惯,或许可以更早地获得关于个体如何衰老的线索。


当动物进入中年后,其日常习惯就能提供关于其未来可能寿命长短的线索。

这一结论来自一项新的研究,由斯坦福大学吴怀慈神经科学研究所(Wu Tsai Neurosciences Institute)的“Knight Initiative for Brain Resilience”项目支持。研究团队对大量短寿命鱼类进行了贯穿生命全程的连续监测,以探究行为与衰老之间的关联。

尽管这些鱼具有相似的遗传背景,并在相同的受控条件下生活,但它们的衰老方式却差异显着。到成年早期,这些个体差异已经体现在游泳与静息的行为方式上。更重要的是,这些行为模式具有足够强的预测力,可以判断某条鱼最终将拥有较短还是较长的寿命。

尽管研究聚焦于鱼类,但其发现提示:借助可穿戴设备常规记录的细微日常行为(如运动与睡眠),可能能够为人类衰老过程提供洞见。

该研究发表于《Science》(2026年3月12日),主要由吴怀慈神经科学方向的博士后研究员 Claire Bedbrook 与 Ravi Nath 牵头。研究源于“Knight Initiative”支持下的合作:由斯坦福大学遗传学家 Anne Brunet 与生物工程学家 Karl Deisseroth 所领导的多个实验室共同参与,二人均为论文通讯作者。


对衰老进行实时追踪

以往的大多数衰老研究会将年轻动物与年老动物进行对比。尽管这种方法有价值,但它可能忽略了:衰老如何在个体内部随时间逐步发生,以及个体之间的差异是如何逐渐形成的。

Bedbrook 和 Nath 希望在整个生命过程中连续地观察衰老的演变。他们想回答一个关键问题:即便是在几乎相同的饲养条件下,动物仍可能以不同方式衰老,并出现截然不同的寿命长短。研究团队的目标是确定:自然行为的差异,是否会在个体之间的寿命分化出现之前就已经开始显现。


为此,他们选择了非洲蓝绿丽鱼(African turquoise killifish)作为模型。该物种的寿命仅为4至8个月。尽管寿命很短,但它与人类共享重要的生物学特征,包括复杂的大脑,因此是开展衰老研究的理想模型。

在构建该鱼作为模式生物方面,Brunet 实验室一直走在前列。本研究也是首次对脊椎动物在整个成体阶段进行连续的、日夜不间断的追踪。

研究人员设计了一套自动化系统:每条鱼都在各自的水槽中生活,同时被恒定的摄像头持续监控。该装置可视作现实版的《楚门的世界》(The Truman Show):系统记录了动物生命中的每一个瞬间。研究团队共随访了81条鱼,并获得了数十亿帧视频数据。

在如此庞大的数据基础上,研究人员分析了姿态、速度、静息与运动等指标。他们识别出100种不同的“行为音节”(behavioral syllables)——这些是鱼类运动与静息过程中最基本的、短暂且重复出现的动作单元。

Brunet 表示:“行为是一种极其整合性的读出,它反映了脑与身体层面正在发生的变化。分子标志物是必不可少的,但它们只能捕捉生物学过程的一部分。通过行为,我们可以看到整个机体的连续变化,而且是非侵入性的。”
不错的新闻,我要点赞     这条新闻还没有人评论喔,等着您的高见呢
上一页123下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0288 秒 and 5 DB Queries in 0.0018 秒