快捷导航
D-Think|东远物联 首页 资讯 行业新闻 查看内容

人体的最神奇的“帽子”:不改变遗传基因却影响着机体健康和寿命

2021-2-23 11:11| 发布者: admin| 查看: 94| 评论: 0
摘要: DNA甲基化就像一顶“神奇的帽子”,在不改变DNA分子一级结构的情况下调节基因组的功能,在生命活动中起着重要作用。在调控基因表达、维持染色质结构、基因印记、X染色体失活以及胚胎发育等生物学过程中发挥着重大的 ...
DNA甲基化就像一顶“神奇的帽子”,在不改变DNA分子一级结构的情况下调节基因组的功能,在生命活动中起着重要作用。在调控基因表达、维持染色质结构、基因印记、X染色体失活以及胚胎发育等生物学过程中发挥着重大的作用,它就像魔术师手中一顶最神奇的“帽子”,带给世人层出不穷的惊喜。

人体的最神奇的“帽子”:不改变遗传基因却影响着机体健康和寿命


什么是甲基化衰老理论


各个不同机体以不同的速度衰老,即使在同一个体内,不同器官的衰老程度也是不同的。此外,癌细胞的衰老速率与其周围的正常细胞不同。现在,研究人员可以只根据血液或组织样品们就而已确定一个人的实际年龄。DNA甲基化提供了一个衡量的生理年龄的标志物。

DNA甲基化是在DNA甲基化转移酶的作用下,以S-腺苷甲硫氨酸(SAM)为甲基供体,将甲基转移到DNA分子中特定碱基上的过程,最常见的是在胞嘧啶上形成5’甲基胞嘧啶。

人体的最神奇的“帽子”:不改变遗传基因却影响着机体健康和寿命

甲基化是怎样造成机体衰老的


甲基化的变化可能会随着时间的推移而加速,从而使由于暴露而引起的基因表达变化变得更加丰富,并显着地受到表型变化的影响,从而增强了生命早期的健康和衰老条件。

个体衰老是由于基因组中的突变逐渐累积而最终导致细胞功能丧失而引起的。DNA的低甲基化与细胞衰老率成正比。所以,DNA甲基化是一种随着衰老而程序化积累突变的机制以及检测衰老的生物标志。

人体的最神奇的“帽子”:不改变遗传基因却影响着机体健康和寿命

  • DNA甲基化外源性调节与衰老

体内DNA甲基化水平受外源性和内源性两种因素的调节。外源性因素,如与衰老相关的营养因素同样参与了DNA低甲基化。食物对基因的影响作用主要是通过影响转录和转录后修饰机制,机体摄入的营养促进了基因表达谱的改变。饮食中甲基供体的摄入影响基因组甲基化的水平。食物甲基化供体摄入的不足有可能导致某些基因启动子发生去甲基化,而这些标记的改变可能会导致病理情况的发生和发展,如肥胖、2型糖尿病、癌症、心血管系统疾病、神经退行性疾病和免疫性疾病等一系列老年性疾病。

人体的最神奇的“帽子”:不改变遗传基因却影响着机体健康和寿命

  • DNA甲基化内源性调节与衰老

DNA甲基化的内源性调节因素主要指机体内DNA甲基转移酶和去甲基化酶的活性水平和体内其他因素对DNA甲基化水平的调节。衰老和DNA甲基化变化的内源相关性可能存在以下三种潜在的机制
  1. DNA甲基化酶活性改变

随着年龄的增加,对于保持异染色质DNA超甲基化状态起重要作用的酶活性逐渐降低,引起被动去甲基化,进而引起在衰老过程中,基因组的DNA甲基化被逐渐消耗。
  1. 甲基供体代谢障碍

随着年龄的增加,作为甲基供体之一的叶酸的摄入及其可利用率降低,叶酸也逐渐减少。血清中低水平的叶酸会对老人的认知产生损害。而叶酸的消耗导致了老年妇女DNA低甲基化。衰老时由叶酸调节一碳代谢通路中的高半胱氨酸含量增加。
  1. 激素水平的改变

随着年龄的增大,动物机体内的激素水平也相应地发生一系列的变化。这些激素对于基因组的DNA甲基化状态也产生了一定的影响。

科学研究的一些发现

研究发现,在饮酒对年龄增长产生的影响的回归分析实验中,尽管利用同卵双胞胎的特殊性,降低了遗传因素和环境因素的影响,使实验结果不再显著,但随着酒精摄入量的增加实验者的DNA甲基化年龄与实际年龄相比增长的也更快。

Reynolds等发现,与衰老相关的DNA甲基化位点总体上更具遗传性。这与生物老化率的基因调节是一致的,可能包括参与免疫炎症途径和神经递质途径的基因位点,并解释了人们如何适应健康和老化条件。Stephenson等在饮酒对年龄增长产生的影响的回归分析实验中,尽管利用同卵双胞胎的特殊性,降低了遗传因素和环境因素的影响,使实验结果不再显著,但随着酒精摄入量的增加实验者的DNA甲基化年龄与实际年龄相比增长的也更快。

结尾的一些话

众多的研究已经证实,DNA甲基化模式的改变与衰老存在相关性,而CpG岛的甲基化是癌变发生的一个早期步骤。然而,当前的研究还存在很多的未知现象,很多研究还有待更进一步地深入。

欢迎关注衰老的人士,共同探讨与发现抗衰密码,共谋生命福祉。

参考文献


Accardi, G. , & Caruso, C. (2018). Immune‐inflammatory responses in the elderly: An update. Immunity & Ageing: I & A, 15, 11 10.1186/s12979-018-0117-8

Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716–723. 10.1109/tac.1974.1100705

Assenov, Y. , Muller, F. , Lutsik, P. , Walter, J. , Lengauer, T. , & Bock, C. (2014). Comprehensive analysis of DNA methylation data with RnBeads. Nature Methods, 11(11), 1138–1140. 10.1038/nmeth.3115

Azzalini, A. (2020). The R package ‘sn’: The Skew‐Normal and Related Distributions such as the Skew‐t (version 1.6‐1).

Bates, D. , Mächler, M. , Bolker, B. , & Walker, S. (2015). Fitting Linear Mixed‐Effects Models Using lme4. Journal of Statistical Software, 1(1), 2015 10.18637/jss.v067.i01

Ciccarone, F. , Tagliatesta, S. , Caiafa, P. , & Zampieri, M. (2018). DNA methylation dynamics in aging: how far are we from understanding the mechanisms? Mechanisms of Ageing and Development, 174, 3–17. 10.1016/j.mad.2017.12.002

Derhovanessian, E. , Maier, A. B. , Beck, R. , Jahn, G. , Hahnel, K. , Slagboom, P. E. , … Pawelec, G. (2010). Hallmark features of immunosenescence are absent in familial longevity. The Journal of Immunology, 185(8), 4618–4624. 10.4049/jimmunol.1001629

Du, P. , Zhang, X. , Huang, C. C. , Jafari, N. , Kibbe, W. A. , Hou, L. , & Lin, S. M. (2010). Comparison of Beta‐value and M‐value methods for quantifying methylation levels by microarray analysis. BMC Bioinformatics, 11, 587 10.1186/1471-2105-11-587

Fernandez, A. F. , Assenov, Y. , Martin‐Subero, J. I. , Balint, B. , Siebert, R. , Taniguchi, H. , … Esteller, M. (2012). A DNA methylation fingerprint of 1628 human samples. Genome Research, 22(2), 407–419. 10.1101/gr.119867.110

Field, A. E. , Robertson, N. A. , Wang, T. , Havas, A. , Ideker, T. , & Adams, P. D. (2018). DNA methylation clocks in aging: Categories, causes, and consequences. Molecular Cell, 71(6), 882–895. 10.1016/j.molcel.2018.08.008

Fortin, J. P. , Labbe, A. , Lemire, M. , Zanke, B. W. , Hudson, T. J. , Fertig, E. J. , … Hansen, K. D. (2014). Functional normalization of 450k methylation array data improves replication in large cancer studies. Genome Biology, 15(12), 503 10.1186/s13059-014-0503-2

Gardiner‐Garden, M. , & Frommer, M. (1987). CpG islands in vertebrate genomes. Journal of Molecular Biology, 196(2), 261–282. 10.1016/0022-2836(87)90689-9

Gaunt, T. R. , Shihab, H. A. , Hemani, G. , Min, J. L. , Woodward, G. , Lyttleton, O. , … Relton, C. L. (2016). Systematic identification of genetic influences on methylation across the human life course. Genome Biology, 17(1), 61 10.1186/s13059-016-0926-z

Gottesman, I. I. , & Hanson, D. R. (2005). Human development: biological and genetic processes. Annual Review of Psychology, 56, 263–286. 10.1146/annurev.psych.56.091103.070208

Gubbi, S. , Quipildor, G. F. , Barzilai, N. , Huffman, D. M. , & Milman, S. (2018). 40 YEARS of IGF1: IGF1: the Jekyll and Hyde of the aging brain. Journal of Molecular Endocrinology, 61(1), T171–T185. 10.1530/JME-18-0093

鲜花

握手

雷人

路过

鸡蛋
解决方案更多
   近年来,执法规范化建设的不断深入,对公安行业机关办案功能区等方面
特价更多

关注我们:东远物联

公众号

微信咨询

咨询电话:

199-2833-9866

D-Think | 广州东远智能科技有限公司

地址:广州市白云区北太路1633号广州民营科技园科创中心2栋16楼

电话:+86 020-87227952 Email:iot@D-Think.cn

Copyright  ©2020  东远科技  粤ICP备10033639号

免责申明:部分图文表述来自于网络,如有侵权请联系作者删除!