关于这个研究课题
2018年,第一次在人类历史上,有更多的老年人比五岁以下儿童超过65。联合国(UN)预测,到2050年,每四个人中就有一人生活在欧洲或北美将超过65岁。如此大规模增加对老年人的人口比例可能会创建一个与75岁及以上的老年患者医疗负担成本五倍病人34-44岁在美国。这引发了一场复兴探索发现、开发和验证衰老干预学术和工业领域。但是,与其他疾病的干预策略,老龄化干预的功效尤其难以衡量。
在本研究课题中,我们感到很兴奋听到新技术或策略,使老化筛选药物潜在的候选人的干预措施。这些技术或策略可能包括但不限于创新筛选策略,高吞吐量筛选平台,生物模型的使用,和计算算法(即基于机器学习),帮助候选人身份。我们特别感兴趣的方法比较的策略已经被广泛的审查,如测量端粒长度或衰老标记相对近期的预测基于ai系统的出现,像史蒂夫·霍法的甲基化钟甚至更复杂的方法利用复杂的数据集。最后,我们邀请研究人员已经开发出生物标志物面板或类似的技术,测量人类衰老和随时可以用来衡量衰老干预患者的影响。
在本研究课题中,我们感到很兴奋听到新技术或策略,使老化筛选药物潜在的候选人的干预措施。这些技术或策略可能包括但不限于创新筛选策略,高吞吐量筛选平台,生物模型的使用,和计算算法(即基于机器学习),帮助候选人身份。我们特别感兴趣的方法比较的策略已经被广泛的审查,如测量端粒长度或衰老标记相对近期的预测基于ai系统的出现,像史蒂夫·霍法的甲基化钟甚至更复杂的方法利用复杂的数据集。最后,我们邀请研究人员已经开发出生物标志物面板或类似的技术,测量人类衰老和随时可以用来衡量衰老干预患者的影响。
关键字:生物标志物筛选策略,机器学习,老化,干预措施
重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。