收集并清洗多物种生存数据
为不同物种建立高质量的生存数据集以拟合模型。
从已发表研究获取酵母、线虫、果蝇、大肠杆菌、小鼠、豚鼠、猫、狗和人类的生存数据，并对数据进行异常值排除和截断。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
一个损伤累积模型识别出跨物种的不同衰老模式
A damage accumulation model identifies distinct aging regimes across species
实验完整度
中基于多个物种生存数据的建模分析，包含贝叶斯参数估计、SHAP分析和BIC分类，但缺乏实验验证，属于计算建模研究。
主要模型
酵母（Saccharomyces cerevisiae BY4742） 线虫（Caenorhabditis elegans QZ0） 果蝇（Drosophila melanogaster，4个品系） 小鼠（UM-HET3）
重点核对
物种和品系/株系的选择，如酵母BY4742、线虫QZ0、果蝇4个基因型、小鼠HET3、狗四个品种、猫去势个体等 数据来源及样本量，例如酵母24512、线虫2908、小鼠雌性3701雄性2746等 数据清洗规则，包括异常值排除、截断年龄（如狗3年、猫2年、人类30岁） 贝叶斯拟合参数设置，如模拟个体数20000、MCMC先验为对数均匀先验、扫描范围四个数量级等
摘要
不同物种以相似的方式衰老，但其寿命相差若干个数量级。目前尚不清楚这些相似性和差异性是如何从衰老背后的损伤累积中产生的。长寿是源于减少的损伤产生、增强的损伤清除还是增强的对损伤的耐受性？在这里，我们应用饱和清除模型——一个损伤累积和清除的随机模型——并将其拟合到研究充分的物种的生存数据中。几个参数具有近乎普遍的值，包括清除率、噪声幅度和死亡阈值的比值。最好地预测寿命的模型参数是损伤产生速率，其跨越七个数量级。我们识别出两种不同的衰老模式：弹道式衰老，其中损伤产生超过清除，表征酵母、线虫、果蝇和小鼠；以及准稳态衰老，其中损伤追踪平衡产生和清除的移动设定点，表征人类、狗、豚鼠和猫。这些结果为比较衰老提供了一个基于机制模型的基础，等待实验验证。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 不同物种寿命的巨大差异是如何源于损伤累积的机制，即长寿是由减少的损伤产生、增强的清除还是增强的耐受性所导致？
- 核心机制
- 损伤产生速率是预测不同物种寿命差异的最强参数，其跨越七个数量级；物种分为两种衰老模式：弹道式衰老（损伤产生主导）和准稳态衰老（损伤产生与清除平衡）。
- 主要证据
- 基于SR模型拟合9个物种的生存数据，通过贝叶斯推断得到参数，并使用SHAP分析显示损伤产生速率贡献最大。酵母、线虫、果蝇和小鼠呈弹道式衰老（Weibull型危险曲线），而人类、狗、豚鼠和猫呈准稳态衰老（Gompertz型危险曲线）。
- 研究意义
- 该研究提供了比较衰老的机制模型基础，提示进化主要通过改变损伤产生速率来调节寿命，为延长最大寿命的干预策略提供了潜在靶点。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
拟合SR模型参数
估计每种物种的损伤产生、清除、噪声和死亡阈值参数。
使用随机模拟和贝叶斯MCMC方法对SR模型参数进行拟合，每个参数集模拟20000个个体，通过比较模拟死亡分布与数据计算似然。
评估参数对寿命的预测贡献
确定哪个模型参数最能解释不同物种间的寿命差异。
使用SHAP分析量化各参数对模拟中位寿命的贡献，并与其他方法（ANOVA）交叉验证。
分类衰老模式
根据模型行为识别不同物种的衰老模式。
通过比较β/η与寿命的关系以及危险曲线形状，将物种分为弹道式或准稳态衰老，并使用BIC分类危险曲线为Weibull型或Gompertz型。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据收集 | 物种、品系/株系、样本量、数据来源、截断年龄、异常值排除标准 阅读提示：Methods: Datasets and preparation; Extended Data Table 1 and 4 |
| 模型拟合 | 模型方程、固定参数κ=0.5、模拟个体数、MCMC参数（先验、步数）、似然计算方式 阅读提示：Methods: Stochastic model simulation and Bayesian estimation of parameters |
| 寿命预测因子分析 | SHAP输入参数、响应变量、数据转换、汇总方式 阅读提示：Methods: SHAP analysis; Supplementary Note 3 |
| 衰老模式分类 | β/η/L比值计算、危险曲线分类（BIC）、代表物种选择 阅读提示：Methods: Classification of the hazard functions; Fig. 3c; Extended Data Tables 2 and 3 |