1210-SenCat：人类细胞衰老多组学图谱与机器学习识别

SenCat 是一个综合性的多组学资源库，通过对 14 种人体原代细胞在多种诱导条件下的转录组和蛋白质组进行分析，系统性地描绘了细胞衰老的分子蓝图。研究发现衰老细胞虽缺乏单一的万能标志物，但在代谢重编程、损伤反应及组织修复等核心通路上表现出高度保守性。利用机器学习技术，研究团队从海量数据中提取出稳健的衰老评分体系，能够跨物种、跨组织地识别衰老状态。该成果不仅揭示了衰老在体内外的动态演变规律，还为开发精准的衰老相关疾病生物标志物和治疗策略提供了关键参考。研究进一步通过小鼠实验验证了该模型在辅助分析细胞通讯和器官衰老轨迹方面的卓越性能。References:Anerillas C, Altes G, Gresova K, et al. SenCat: Cataloging human cell senescence through multiomic profiling of multiple senescent primary cell types[J]. bioRxiv, 2026: 2026.02. 05.703986.前往小宇宙评论区与主播互动