文献

J-GLOBAL ID：202002270179837688   整理番号：20A1083474

老化の生物学とバイオマーカー:最新の技術,挑戦と機会【JST・京大機械翻訳】

Biohorology and biomarkers of aging: Current state-of-the-art, challenges and opportunities

著者 (10件)： Galkin Fedor (InSilico Medicine, Science Park, Hong Kong) ,  Galkin Fedor (Integrative Genomics of Ageing Group, Institute of Ageing and Chronic Disease, University of Liverpool, UK) ,  Mamoshina Polina (Deep Longevity, Science Park, Hong Kong) ,  Aliper Alex (InSilico Medicine, Science Park, Hong Kong) ,  de Magalhaes Joao Pedro (Integrative Genomics of Ageing Group, Institute of Ageing and Chronic Disease, University of Liverpool, UK) ,  de Magalhaes Joao Pedro (Biogerontology Research Foundation, London, UK) ,  Gladyshev Vadim N. (Division of Genetics, Department of Medicine, Brigham and Women’s Hospital, Harvard Medical School, Boston, USA) ,  Zhavoronkov Alex (InSilico Medicine, Science Park, Hong Kong) ,  Zhavoronkov Alex (Biogerontology Research Foundation, London, UK) ,  Zhavoronkov Alex (Buck Institute for Research on Aging, Novato, USA)
資料名： Ageing Research Reviews  (Ageing Research Reviews)
巻： 60  ページ： Null  発行年： 2020年 
JST資料番号： W1685A  ISSN： 1568-1637  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エージングプロセスは複数の追跡可能なフットプリントをもたらし,それを定量化し,生物の年齢を推定するために使用することができる。そのような老化バイオマーカーの例には,後成的変化,テロメア摩耗,および遺伝子発現と代謝産物濃度の変化が含まれている。1回以上の老化時計は,生物の年齢を予測するために分子的特徴を使用する。それらの各々は異なるデータタイプと訓練手順を利用する。ここでは,既存のマウスと人間の老化時計の詳細な比較を提供し,それらの技術的限界と基礎となる機械学習アルゴリズムについて議論する。また,生物学における研究の有望な将来の方向,すなわち生活システムにおける時間の通過を測定する科学,について議論する。全体として,著者らは,このタイムリーで活発な開発分野において,深い学習,深いニューラルネットワーク,および次世代のパワーツールとしての生成アプローチを期待している。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 摩耗 ,  ニューラルネットワーク ,  代謝産物 ,  *老化 ,  データ型 ,  テロメア ,  遺伝子発現 ,  *バイオマーカー ,  学習アルゴリズム

著者キーワード (5件)： 加齢 ,  バイオガスオントロジー ,  加齢時計 ,  深層学習 ,  ニューラルネットワーク

分類 (2件)： 老化と死  (EJ16040S) ,  神経の基礎医学  (GN01020W)

タイトルに関連する用語 (4件)： 老化 ,  生物学 ,  バイオマーカー ,  機会