| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

溫哥華資訊

溫哥華地產

溫哥華教育

溫哥華財稅

新移民/招聘

黃頁/二手

旅游

斯坦福科學家:中年行為或已悄然決定你的壽命長短


請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!



科學家雜志AI繪圖 GPT5.4

通過在動物一生中對魚類進行持續、細致的觀察,研究人員發現:中年階段的一些相對簡單的行為——例如運動方式與睡眠模式——能夠用來預測壽命。保持較高活動水平、且主要在夜間睡眠的魚往往壽命更長;而那些更早出現“變慢”跡象的個體則壽命更短。令人意外的是,衰老並不是以平滑、連續的方式逐步展開,而是會在不同階段之間出現“跳躍式”的變化。該研究提示:若能在人體中追蹤日常習慣,或許可以更早地獲得關於個體如何衰老的線索。


當動物進入中年後,其日常習慣就能提供關於其未來可能壽命長短的線索。

這一結論來自一項新的研究,由斯坦福大學吳懷慈神經科學研究所(Wu Tsai Neurosciences Institute)的“Knight Initiative for Brain Resilience”項目支持。研究團隊對大量短壽命魚類進行了貫穿生命全程的連續監測,以探究行為與衰老之間的關聯。

盡管這些魚具有相似的遺傳背景,並在相同的受控條件下生活,但它們的衰老方式卻差異顯著。到成年早期,這些個體差異已經體現在游泳與靜息的行為方式上。更重要的是,這些行為模式具有足夠強的預測力,可以判斷某條魚最終將擁有較短還是較長的壽命。

盡管研究聚焦於魚類,但其發現提示:借助可穿戴設備常規記錄的細微日常行為(如運動與睡眠),可能能夠為人類衰老過程提供洞見。

該研究發表於《Science》(2026年3月12日),主要由吳懷慈神經科學方向的博士後研究員 Claire Bedbrook 與 Ravi Nath 牽頭。研究源於“Knight Initiative”支持下的合作:由斯坦福大學遺傳學家 Anne Brunet 與生物工程學家 Karl Deisseroth 所領導的多個實驗室共同參與,二人均為論文通訊作者。


對衰老進行實時追蹤

以往的大多數衰老研究會將年輕動物與年老動物進行對比。盡管這種方法有價值,但它可能忽略了:衰老如何在個體內部隨時間逐步發生,以及個體之間的差異是如何逐漸形成的。

Bedbrook 和 Nath 希望在整個生命過程中連續地觀察衰老的演變。他們想回答一個關鍵問題:即便是在幾乎相同的飼養條件下,動物仍可能以不同方式衰老,並出現截然不同的壽命長短。研究團隊的目標是確定:自然行為的差異,是否會在個體之間的壽命分化出現之前就已經開始顯現。


為此,他們選擇了非洲藍綠麗魚(African turquoise killifish)作為模型。該物種的壽命僅為4至8個月。盡管壽命很短,但它與人類共享重要的生物學特征,包括復雜的大腦,因此是開展衰老研究的理想模型。

在構建該魚作為模式生物方面,Brunet 實驗室一直走在前列。本研究也是首次對脊椎動物在整個成體階段進行連續的、日夜不間斷的追蹤。

研究人員設計了一套自動化系統:每條魚都在各自的水槽中生活,同時被恒定的攝像頭持續監控。該裝置可視作現實版的《楚門的世界》(The Truman Show):系統記錄了動物生命中的每一個瞬間。研究團隊共隨訪了81條魚,並獲得了數十億幀視頻數據。

在如此龐大的數據基礎上,研究人員分析了姿態、速度、靜息與運動等指標。他們識別出100種不同的“行為音節”(behavioral syllables)——這些是魚類運動與靜息過程中最基本的、短暫且重復出現的動作單元。

Brunet 表示:“行為是一種極其整合性的讀出,它反映了腦與身體層面正在發生的變化。分子標志物是必不可少的,但它們只能捕捉生物學過程的一部分。通過行為,我們可以看到整個機體的連續變化,而且是非侵入性的。”
覺得新聞不錯,請點個贊吧     還沒人說話啊,我想來說幾句
上一頁123下一頁
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0256 秒 and 5 DB Queries in 0.0014 秒