我们发现定量的衰老标志物不仅限于转录组和表观基因组(Cheng et al., 2018; Han et al., 2012; Jin et al., 2011)，还包括高通量和高分辨率的定量影像，比如三维面部图像(Chen et al., 2015)。我们首次绘制了人类面部衰老现象的综合图谱。通过将这项研究扩展到中国冀东的一个五千人的大队列，我们现在可以使用深度学习人工智能方法，根据3D面部图像及其与个人健康和病史的关联，精确估计衰老状态。利用这些预测工具，我们确定了健康指标显著支持的慢老和快老。我们进一步通过北京队列的RNA-seq分析了血细胞mRNA和lncRNA的表达，并计算预测了它们的调控网络以及它们对不同个体之间的衰老速率变化的贡献，以及哪些可被他们的生活方式所改变(Xia et al., 2020)。进一步的对衰老相关对长非编码RNA进化与生物信息学分析发现了其中多个长非编码RNA参与并调控衰老过程中炎症反应(Cai and Han, 2021)。

衰老；人工智能