CN110974177B - 一种基于端粒长度的生物学年龄计算方法及系统 - Google Patents
一种基于端粒长度的生物学年龄计算方法及系统 Download PDFInfo
- Publication number
- CN110974177B CN110974177B CN201911339896.5A CN201911339896A CN110974177B CN 110974177 B CN110974177 B CN 110974177B CN 201911339896 A CN201911339896 A CN 201911339896A CN 110974177 B CN110974177 B CN 110974177B
- Authority
- CN
- China
- Prior art keywords
- age
- tested
- value
- deviation
- subject
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000003411 telomere Anatomy 0.000 title claims abstract description 105
- 108091035539 telomere Proteins 0.000 title claims abstract description 105
- 102000055501 telomere Human genes 0.000 title claims abstract description 105
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012163 sequencing technique Methods 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 description 16
- 210000004027 cell Anatomy 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000035790 physiological processes and functions Effects 0.000 description 5
- 230000032683 aging Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007901 in situ hybridization Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000012070 whole genome sequencing analysis Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241000862969 Stella Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 210000005260 human cell Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于端粒长度的生物学年龄计算方法及系统，所述方法包括：根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值‑年龄数据库；在端粒长度T/S值‑年龄数据库中获取待测试对象的T/S排序年龄；计算待测试对象的年龄偏差值；获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间；获取待测试对象的年龄偏差值绝对值百分比；根据待测试对象的实际年龄、年龄偏差值、偏差极限值、年龄偏差值绝对值百分比、以及T/S排序年龄的计算待测试对象的修正生物学年龄。本发明能够解决现有技术中通过端粒长度T/S值估算的生物学年龄不准确的问题。
Description
技术领域
本发明涉及生物技术领域，特别是涉及一种基于端粒长度的生物学年龄计算方法及系统。
背景技术
在人体所有的细胞内，染色体的末端，都有一种叫做“端粒”的保护帽，保护人体的基因。它们会随着细胞分裂次数的增多和年龄的增长而缩短，当端粒缩短到一定程度时，细胞就无法继续分裂而死亡，标志着身体开始衰老。临床研究表明，端粒长度除了能够反映人体衰老程度，还与患肿瘤、糖尿病、心血管等疾病的风险有关。
生物学年龄，有时亦称“生理年龄”或“细胞年龄”，与人体生长发育中的某些事件的出现时间有关，是根据正常人的细胞、组织器官所处的生理学和功能状态所推断出来的年龄，表明人体的细胞、组织结构和生理功能的实际状态。是人体健康状况的综合指数，是机体老化程度的客观表述。生物学年龄可以与真实年龄不相符合。生物学年龄是评估个体整体健康状况的最佳指标；知晓生物学年龄可以帮助人们更加清晰的认识到自己的生活方式对健康产生的影响。
相关技术中，可以对人体的端粒长度进行检测，得到端粒长度T/S值，然后根据端粒长度T/S值(端粒(T)重复拷贝数与单拷贝基因(S)的比率)，能够估算出生物学年龄，但这种估算方法比较粗糙，缺乏对数据的修正，导致估算的生物学年龄不准确。
发明内容
为此，本发明的一个目的在于提出一种基于端粒长度的生物学年龄计算方法，以解决现有技术中通过端粒长度T/S值估算的生物学年龄不准确的问题。
本发明提供一种基于端粒长度的生物学年龄计算方法，包括：
根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值-年龄数据库；
获取待测试对象的实际年龄和端粒长度T/S值，并根据待测试对象的端粒长度T/S值在端粒长度T/S值-年龄数据库中获取待测试对象的T/S排序年龄；
根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，待测试对象的年龄偏差值为待测试对象的T/S排序年龄与待测试对象的实际年龄的差值；
根据待测试对象的实际年龄获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间；
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比；
根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄。
根据本发明提供的基于端粒长度的生物学年龄计算方法，基于端粒长度T/S值-年龄数据库，通过测试对象的实际年龄、年龄偏差值、偏差极限值、年龄偏差值绝对值百分比、以及T/S排序年龄来计算待测试对象的修正生物学年龄，能够对端粒长度异常长和异常短的人群进行极限收敛，使得该人群的生物学年龄落在合理区间内，实现了数据的修正，且数据库中的数据量越大，计算的修正生物学年龄越科学、越精准，从而能够在细胞的基因水平来反映出机体所处的生理状态。
另外，根据本发明上述的基于端粒长度的生物学年龄计算方法，还可以具有如下附加的技术特征：
进一步地，待测试对象的年龄偏差值＝待测试对象的T/S排序年龄-待测试对象的实际年龄。
进一步地，根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄的步骤中，采用以下公式计算待测试对象的修正生物学年龄：
N＝X+Y*Z；
其中：N为待测试对象的修正生物学年龄；
X为待测试对象的实际年龄；
Z为待测试对象的年龄偏差值绝对值百分比；
当待测试对象的年龄偏差值在允许的偏差极限值区间内时，Y取待测试对象的年龄偏差值；
当待测试对象的偏差极限值不在允许的偏差极限值区间内时，Y取待测试对象对应的偏差极限值。
进一步地，根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比的步骤包括：
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量；
按照从小到大的排序，对处于同一年龄区间、且偏差方向相同的所有对象的数量中各个年龄偏差值的绝对值进行排序；
获取待测试对象所在排名位数占处于同一年龄区间、且偏差方向相同的总人数的比例。
进一步地，待测试对象的实际年龄为待测试对象的身份证年龄。
本发明的另一个目的在于提出一种基于端粒长度的生物学年龄计算系统，以解决现有技术中通过端粒长度T/S值估算的生物学年龄不准确的问题。
一种基于端粒长度的生物学年龄计算系统，所述系统包括：
估算建立模块，用于根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值-年龄数据库；
第一获取模块，用于获取待测试对象的实际年龄和端粒长度T/S值，并根据待测试对象的端粒长度T/S值在端粒长度T/S值-年龄数据库中获取待测试对象的T/S排序年龄；
第一计算模块，用于根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，待测试对象的年龄偏差值为待测试对象的T/S排序年龄与待测试对象的实际年龄的差值；
第二获取模块，用于根据待测试对象的实际年龄获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间；
第三获取模块，用于根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比；
第二计算模块，用于根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄。
根据本发明提供的基于端粒长度的生物学年龄计算系统，基于端粒长度T/S值-年龄数据库，通过测试对象的实际年龄、年龄偏差值、偏差极限值、年龄偏差值绝对值百分比、以及T/S排序年龄来计算待测试对象的修正生物学年龄，能够对端粒长度异常长和异常短的人群进行极限收敛，使得该人群的生物学年龄落在合理区间内，实现了数据的修正，且数据库中的数据量越大，计算的修正生物学年龄越科学、越精准，从而能够在细胞的基因水平来反映出机体所处的生理状态。
另外，根据本发明上述的基于端粒长度的生物学年龄计算系统，还可以具有如下附加的技术特征：
进一步地，第一计算模块用于根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，其中，待测试对象的年龄偏差值＝待测试对象的T/S排序年龄-待测试对象的实际年龄。
进一步地，第二计算模块用于采用以下公式计算待测试对象的修正生物学年龄：
N＝X+Y*Z；
其中：N为待测试对象的修正生物学年龄；
X为待测试对象的实际年龄；
Z为待测试对象的年龄偏差值绝对值百分比；
当待测试对象的年龄偏差值在允许的偏差极限值区间内时，Y取待测试对象的年龄偏差值；
当待测试对象的偏差极限值不在允许的偏差极限值区间内时，Y取待测试对象对应的偏差极限值。
进一步地，第三获取模块具体用于：
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量；
按照从小到大的排序，对处于同一年龄区间、且偏差方向相同的所有对象的数量中各个年龄偏差值的绝对值进行排序；
获取待测试对象所在排名位数占处于同一年龄区间、且偏差方向相同的总人数的比例。
进一步地，，待测试对象的实际年龄为待测试对象的身份证年龄。
附图说明
本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明第一实施例的基于端粒长度的生物学年龄计算方法的流程图；
图2是根据本发明第二实施例的基于端粒长度的生物学年龄计算系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明第一实施例提出的基于端粒长度的生物学年龄计算方法，包括步骤S101～S106。
S101，根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值-年龄数据库。
其中，首先需要建立端粒长度T/S值-年龄数据库，例如，先收集100个人的端粒长度T/S值，每个人的端粒长度T/S值可以通过端粒末端限制性片段分析(TRF)、荧光定量PCR(qPCR)、定量荧光原位杂交(Q-FISH)、流式荧光原位杂交(Flow FISH)、单个端粒长度分析(STELA)、全基因组测序(WGS)等方法检测得到，在此不做限定。
然后根据每个人的端粒长度T/S值按照传统方法估算出每个人的初始生物学年龄，例如通过传统的端粒长度-生物学年龄算法模型软件，估算出每个人的初始生物学年龄，然后根据每个人的端粒长度T/S值以及对应的初始生物学年龄建立端粒长度T/S值-年龄数据库，这样，数据库中，每个人都对应一个端粒长度T/S值和一个初始生物学年龄，数据库中的初始生物学年龄，定义为T/S排序年龄。需要指出的是，本实施例中所有提到的年龄，都只精确到个位数，例如10岁，25岁。
S102，获取待测试对象的实际年龄和端粒长度T/S值，并根据待测试对象的端粒长度T/S值在端粒长度T/S值-年龄数据库中获取待测试对象的T/S排序年龄。
当某个待测试对象需要测试其生理年龄时，首先获取待测试对象的实际年龄和端粒长度T/S值，其中，为了便于后续计算，将身份证上的年龄作为实际年龄，即待测试对象的实际年龄为待测试对象的身份证年龄。
此外，需要获取待测试对象的端粒长度T/S值，然后将获取到的待测试对象的端粒长度T/S值输入端粒长度T/S值-年龄数据库中，以获取响应的待测试对象的T/S排序年龄，这里，待测试对象的T/S排序年龄本质上也是一个估算的初始生物学年龄。
S103，根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，待测试对象的年龄偏差值为待测试对象的T/S排序年龄与待测试对象的实际年龄的差值。
其中，具体的，待测试对象的年龄偏差值＝待测试对象的T/S排序年龄-待测试对象的实际年龄，待测试对象的年龄偏差值有正负之分。例如，若待测试对象的实际年龄为20，待测试对象的T/S排序年龄为21，则待测试对象的年龄偏差值为1。若待测试对象的实际年龄为20，待测试对象的T/S排序年龄为19，则待测试对象的年龄偏差值为-1。
S104，根据待测试对象的实际年龄获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间。
其中，年龄区间、偏差极限值、偏差极限值绝对值和偏差极限值区间是根据经验值预设测定设定的，例如下表：
上表中的年龄区间是实际年龄所处的区间，例如，若待测试对象的实际年龄为20，则其所处的年龄区间为16-20，对应的偏差极限值绝对值和偏差极限值区间分别是：5和[-5，5]，而偏差极限值就是偏差极限值区间中的两个端点值，即-5和5，两个值的正负相反。此外，由于年龄偏差值有正负之分，因此，当年龄偏差值为正是，则对应的偏差极限值也取正指。
举例来讲，若待测试对象的实际年龄为20，待测试对象的T/S排序年龄为21，则待测试对象的年龄偏差值为1，待测试对象所处的年龄区间为16-20，对应的偏差极限值绝对值和偏差极限值区间分别是：5和[-5，5]，对应的偏差极限值为5。
若待测试对象的实际年龄为20，待测试对象的T/S排序年龄为19，则待测试对象的年龄偏差值为-1，待测试对象所处的年龄区间为16-20，对应的偏差极限值绝对值和偏差极限值区间分别是：5和[-5，5]，对应的偏差极限值为-5。
S105，根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比。
其中，具体的，首先根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量；
然后按照从小到大的排序，对处于同一年龄区间、且偏差方向相同的所有对象的数量中各个年龄偏差值的绝对值进行排序；
最终获取待测试对象所在排名位数占处于同一年龄区间、且偏差方向相同的总人数的比例。
举例来讲，若待测试对象的实际年龄为20，待测试对象的T/S排序年龄为21，则待测试对象的年龄偏差值为1，待测试对象所处的年龄区间为16-20，对应的偏差极限值绝对值和偏差极限值区间分别是：5和[-5，5]，对应的偏差极限值为5，则在整个端粒长度T/S值-年龄数据库中，获取处于同一年龄区间(即16-20区间)、且偏差方向相同(即偏差极限值也为正值)的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比，例如，数据库中，在同一年龄区间(即16-20区间)、且偏差方向为正数的共有5名对象，然后将每个对象的偏差值的绝对值按从小到大顺序排序，待该测试对象排名为5，则该测试对象的年龄偏差值绝对值百分比为100％(即(5/5)*100％)，若该测试对象排名为4，则该测试对象的年龄偏差值绝对值百分比为80％(即(4/5)*100％)。
若待测试对象的实际年龄为20，待测试对象的T/S排序年龄为19，则待测试对象的年龄偏差值为-1，待测试对象所处的年龄区间为16-20，对应的偏差极限值绝对值和偏差极限值区间分别是：5和[-5，5]，对应的偏差极限值为-5，则在整个端粒长度T/S值-年龄数据库中，获取处于同一年龄区间(即16-20区间)、且偏差方向相同(即偏差极限值也为负值)的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比，例如，数据库中，在同一年龄区间(即16-20区间)、且偏差方向为负数的共有5名对象，然后将每个对象的偏差值的绝对值按从小到大顺序排序，待该测试对象排名为5，则该测试对象的年龄偏差值绝对值百分比为100％(即(5/5)*100％)，若该测试对象排名为4，则该测试对象的年龄偏差值绝对值百分比为80％(即(4/5)*100％)。
S106，根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄。
其中，具体采用以下公式计算待测试对象的修正生物学年龄：
N＝X+Y*Z；
其中：N为待测试对象的修正生物学年龄；
X为待测试对象的实际年龄；
Z为待测试对象的年龄偏差值绝对值百分比；
当待测试对象的年龄偏差值在允许的偏差极限值区间内时，Y取待测试对象的年龄偏差值；
当待测试对象的偏差极限值不在允许的偏差极限值区间内时，Y取待测试对象对应的偏差极限值。
即，当偏差极限值δ在触发时做极限收敛来替换Y，据此可以对端粒长度异常长和异常短的人群进行极限收敛，使得该人群的生物学年龄落在合理区间，提升生物学年龄的计算精度。
具体的，可以将待测试对象的年龄偏差值设定为A；
将待测试对象所在的年龄区间对应的偏差极限值绝对值设定为B；
若|A|>B，即表明待测试对象的年龄偏差值未在偏差极限值区间内，需做极限收敛替换，应取值为同一方向的偏差极限值；
若|A|≤B，即表明对象的年龄偏差值在偏差极限值区间内，不需做极限收敛替换，应取值为实际的年龄偏差值。
例如，如测试对象的实际年龄为46岁，年龄区间为46-50，年龄区间所在的偏差极限值绝对值为12；
情形1：若测试对象的年龄偏差值A为15；
|15|>12；
则Y的取值为12，实现极限收敛替换；
情形2：若测试对象的年龄偏差值A为10；
|10|≤12；
则Y的取值为10，无需做极限收敛替换；
情形3：若测试对象的年龄偏差值A为-18；
|-18|>12
则Y的取值为-12，实现极限收敛替换；
情形4：若对象的年龄偏差值A为-6；
|-6|≤12；
则Y的取值为10，无需做极限收敛替换。
此外，对在年龄段内按照端粒长度进行大小进行排列，能够依据排列的百分比，对年龄进行修正，能够更精确更科学的评估生物学年龄。
为了对本实施例提供的方法的可靠性和效果进行验证，选取了10名测试者，分别按照三种方法测试每个人的生理学年龄，其中，第一种方法D为采用英国学者Tanner建立的TW2法(其用于对比测试结果的精确度)，第二种方法E为传统的基于端粒长度的生物学年龄估算方法，第三种方法F为本实施例提供的方法，各个方法的测试结果如下表：
从上表可以看出，采用本实施例提供的方法计算的生物学年龄，相比传统的基于端粒长度的生物学年龄估算方法，更接近采用英国学者Tanner建立的TW2法的测试结果，本实施例提供的方法计算精度更高。
综上，根据本发明提供的基于端粒长度的生物学年龄计算方法，基于端粒长度T/S值-年龄数据库，通过测试对象的实际年龄、年龄偏差值、偏差极限值、年龄偏差值绝对值百分比、以及T/S排序年龄来计算待测试对象的修正生物学年龄，能够对端粒长度异常长和异常短的人群进行极限收敛，使得该人群的生物学年龄落在合理区间内，实现了数据的修正，且数据库中的数据量越大，计算的修正生物学年龄越科学、越精准，从而能够在细胞的基因水平来反映出机体所处的生理状态。
请参阅图2，基于同一发明构思，本发明第二实施例提出的基于端粒长度的生物学年龄计算系统，包括：
估算建立模块10，用于根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值-年龄数据库；
第一获取模块20，用于获取待测试对象的实际年龄和端粒长度T/S值，并根据待测试对象的端粒长度T/S值在端粒长度T/S值-年龄数据库中获取待测试对象的T/S排序年龄；
第一计算模块30，用于根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，待测试对象的年龄偏差值为待测试对象的T/S排序年龄与待测试对象的实际年龄的差值；
第二获取模块40，用于根据待测试对象的实际年龄获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间；
第三获取模块50，用于根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比；
第二计算模块60，用于根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄。
本实施例中，第一计算模块30用于根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，其中，待测试对象的年龄偏差值＝待测试对象的T/S排序年龄-待测试对象的实际年龄。
本实施例中，第二计算模块60用于采用以下公式计算待测试对象的修正生物学年龄：
N＝X+Y*Z；
其中：N为待测试对象的修正生物学年龄；
X为待测试对象的实际年龄；
Z为待测试对象的年龄偏差值绝对值百分比；
当待测试对象的年龄偏差值在允许的偏差极限值区间内时，Y取待测试对象的年龄偏差值；
当待测试对象的偏差极限值不在允许的偏差极限值区间内时，Y取待测试对象对应的偏差极限值。
本实施例中，第三获取模块50具体用于：
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量；
按照从小到大的排序，对处于同一年龄区间、且偏差方向相同的所有对象的数量中各个年龄偏差值的绝对值进行排序；
获取待测试对象所在排名位数占处于同一年龄区间、且偏差方向相同的总人数的比例。
本实施例中，待测试对象的实际年龄为待测试对象的身份证年龄。
根据本实施例的基于端粒长度的生物学年龄计算系统，基于端粒长度T/S值-年龄数据库，通过测试对象的实际年龄、年龄偏差值、偏差极限值、年龄偏差值绝对值百分比、以及T/S排序年龄来计算待测试对象的修正生物学年龄，能够对端粒长度异常长和异常短的人群进行极限收敛，使得该人群的生物学年龄落在合理区间内，实现了数据的修正，且数据库中的数据量越大，计算的修正生物学年龄越科学、越精准，从而能够在细胞的基因水平来反映出机体所处的生理状态。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (4)
1.一种基于端粒长度的生物学年龄计算方法，其特征在于，所述方法包括：
根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值-年龄数据库；
获取待测试对象的实际年龄和端粒长度T/S值，并根据待测试对象的端粒长度T/S值在端粒长度T/S值-年龄数据库中获取待测试对象的T/S排序年龄；
根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，待测试对象的年龄偏差值为待测试对象的T/S排序年龄与待测试对象的实际年龄的差值；
根据待测试对象的实际年龄获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间，其中，偏差极限值区间是根据经验值预先设定的；偏差极限值是偏差极限值区间中的两个端点值，年龄偏差值有正负之分，且当年龄偏差值为正时，对应的偏差极限值取正值；
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比；
根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄；
待测试对象的年龄偏差值＝待测试对象的T/S排序年龄-待测试对象的实际年龄；
根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄的步骤中，采用以下公式计算待测试对象的修正生物学年龄：
N＝X+Y*Z；
其中：N为待测试对象的修正生物学年龄；
X为待测试对象的实际年龄；
Z为待测试对象的年龄偏差值绝对值百分比；
当待测试对象的年龄偏差值在允许的偏差极限值区间内时，Y取待测试对象的年龄偏差值；
当待测试对象的偏差极限值不在允许的偏差极限值区间内时，Y取待测试对象对应的偏差极限值；
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比的步骤包括：
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量；
按照从小到大的排序，对处于同一年龄区间、且偏差方向相同的所有对象的数量中各个年龄偏差值的绝对值进行排序；
获取待测试对象所在排名位数占处于同一年龄区间、且偏差方向相同的总人数的比例。
2.根据权利要求1所述的基于端粒长度的生物学年龄计算方法，其特征在于，待测试对象的实际年龄为待测试对象的身份证年龄。
3.一种基于端粒长度的生物学年龄计算系统，其特征在于，所述系统包括：
估算建立模块，用于根据多个对象的端粒长度T/S值估算初始生物学年龄，并以此建立端粒长度T/S值-年龄数据库；
第一获取模块，用于获取待测试对象的实际年龄和端粒长度T/S值，并根据待测试对象的端粒长度T/S值在端粒长度T/S值-年龄数据库中获取待测试对象的T/S排序年龄；
第一计算模块，用于根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，待测试对象的年龄偏差值为待测试对象的T/S排序年龄与待测试对象的实际年龄的差值；
第二获取模块，用于根据待测试对象的实际年龄获取待测试对象的年龄区间、待测试对象的偏差极限值、待测试对象的偏差极限值绝对值和待测试对象的偏差极限值区间，其中，偏差极限值区间是根据经验值预先设定的；偏差极限值是偏差极限值区间中的两个端点值，年龄偏差值有正负之分，且当年龄偏差值为正时，对应的偏差极限值取正值；
第三获取模块，用于根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量，以获取待测试对象的年龄偏差值绝对值百分比；
第二计算模块，用于根据待测试对象的实际年龄、待测试对象的年龄偏差值、待测试对象的偏差极限值、待测试对象的年龄偏差值绝对值百分比、以及待测试对象的T/S排序年龄的计算待测试对象的修正生物学年龄；
第一计算模块用于根据待测试对象的实际年龄和待测试对象的T/S排序年龄计算待测试对象的年龄偏差值，其中，待测试对象的年龄偏差值＝待测试对象的T/S排序年龄-待测试对象的实际年龄；
第二计算模块用于采用以下公式计算待测试对象的修正生物学年龄：
N＝X+Y*Z；
其中：N为待测试对象的修正生物学年龄；
X为待测试对象的实际年龄；
Z为待测试对象的年龄偏差值绝对值百分比；
当待测试对象的年龄偏差值在允许的偏差极限值区间内时，Y取待测试对象的年龄偏差值；
当待测试对象的偏差极限值不在允许的偏差极限值区间内时，Y取待测试对象对应的偏差极限值；
第三获取模块具体用于：
根据待测试对象的偏差极限值，在端粒长度T/S值-年龄数据库中，获取处于同一年龄区间、且偏差方向相同的所有对象的数量；
按照从小到大的排序，对处于同一年龄区间、且偏差方向相同的所有对象的数量中各个年龄偏差值的绝对值进行排序；
获取待测试对象所在排名位数占处于同一年龄区间、且偏差方向相同的总人数的比例。
4.根据权利要求3所述的基于端粒长度的生物学年龄计算系统，其特征在于，待测试对象的实际年龄为待测试对象的身份证年龄。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911339896.5A CN110974177B (zh) | 2019-12-23 | 2019-12-23 | 一种基于端粒长度的生物学年龄计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911339896.5A CN110974177B (zh) | 2019-12-23 | 2019-12-23 | 一种基于端粒长度的生物学年龄计算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110974177A CN110974177A (zh) | 2020-04-10 |
| CN110974177B true CN110974177B (zh) | 2022-09-09 |
Family
ID=70075611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911339896.5A Active CN110974177B (zh) | 2019-12-23 | 2019-12-23 | 一种基于端粒长度的生物学年龄计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110974177B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014146793A1 (en) * | 2013-03-21 | 2014-09-25 | Universität Konstanz | Method for the determination of biological age in human beings |
| CN106548435A (zh) * | 2015-09-22 | 2017-03-29 | 联邦应用基因股份有限公司 | 细胞年龄分析整合系统 |
| CN109273051A (zh) * | 2018-08-30 | 2019-01-25 | 夏茂 | 基于端粒长度的身份信息编码模型 |
| CN110392740A (zh) * | 2017-01-25 | 2019-10-29 | 深圳华大生命科学研究院 | 确定人群样本生物指标集、预测生物学年龄的方法及其应用 |
| CN110408684A (zh) * | 2019-08-22 | 2019-11-05 | 陕西九州医学检验有限公司 | 一种端粒长度检测试剂盒与方法及生物学年龄评价方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10325673B2 (en) * | 2017-07-25 | 2019-06-18 | Insilico Medicine, Inc. | Deep transcriptomic markers of human biological aging and methods of determining a biological aging clock |
| WO2019147725A1 (en) * | 2018-01-23 | 2019-08-01 | Spring Discovery, Inc. | Methods and systems for determining the biological age of samples |
-
2019
- 2019-12-23 CN CN201911339896.5A patent/CN110974177B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014146793A1 (en) * | 2013-03-21 | 2014-09-25 | Universität Konstanz | Method for the determination of biological age in human beings |
| CN106548435A (zh) * | 2015-09-22 | 2017-03-29 | 联邦应用基因股份有限公司 | 细胞年龄分析整合系统 |
| CN110392740A (zh) * | 2017-01-25 | 2019-10-29 | 深圳华大生命科学研究院 | 确定人群样本生物指标集、预测生物学年龄的方法及其应用 |
| CN109273051A (zh) * | 2018-08-30 | 2019-01-25 | 夏茂 | 基于端粒长度的身份信息编码模型 |
| CN110408684A (zh) * | 2019-08-22 | 2019-11-05 | 陕西九州医学检验有限公司 | 一种端粒长度检测试剂盒与方法及生物学年龄评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| new strategies for telomere-based age estimation;mark F.haussmann;《molecular ecology resources》;20080628;第8卷(第2期);全文 * |
| 利用人外周血白细胞端粒长度推断年龄;任甫 等;《解剖学杂志》;20060831(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110974177A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bi et al. | A fast and accurate method for genome-wide time-to-event data analysis and its application to UK Biobank | |
| WO2002019602A2 (en) | Statistical modeling to analyze large data arrays | |
| Han et al. | Automated AI labeling of optic nerve head enables insights into cross-ancestry glaucoma risk and genetic discovery in> 280,000 images from UKB and CLSA | |
| Cleophas et al. | Modern bayesian statistics in clinical research | |
| CN105825076B (zh) | 消除常染色体内和染色体间gc偏好的方法及检测系统 | |
| CN105986008A (zh) | Cnv检测方法和装置 | |
| JP2003502669A (ja) | 組織の母集団を表わす指標を包含するデータベースを使用して組織をプロファイルし分類する方法 | |
| Schisterman et al. | Hybrid pooled–unpooled design for cost‐efficient measurement of biomarkers | |
| Scheubert et al. | Tissue-based Alzheimer gene expression markers–comparison of multiple machine learning approaches and investigation of redundancy in small biomarker sets | |
| JP2022512829A (ja) | 疾患診断のための方法及び機械学習 | |
| US20210118526A1 (en) | Calculating cell-type rna profiles for diagnosis and treatment | |
| CN107169264B (zh) | 一种复杂疾病诊断系统 | |
| Simons et al. | Simple scaling laws control the genetic architectures of human complex traits | |
| EP2826420B1 (en) | Apparatus for predicting change in physical index | |
| CN110974177B (zh) | 一种基于端粒长度的生物学年龄计算方法及系统 | |
| CN115954049B (zh) | 微卫星不稳定位点状态检测方法、系统及存储介质 | |
| US20200000413A1 (en) | Method and system for automated diagnostics of none-infectious illnesses | |
| Scheller et al. | Improved detection of aberrant splicing with FRASER 2.0 and the intron Jaccard index | |
| CN114048320B (zh) | 一种基于课程学习的多标签国际疾病分类训练方法 | |
| TW201604700A (zh) | 用以偵測染色體的非整倍性的方法及其非暫態機器可讀媒體 | |
| CN108229099A (zh) | 数据处理方法、装置、存储介质及处理器 | |
| CN109243533B (zh) | 一种用于计算基因的组织特异表达的鲁棒z-score打分方法 | |
| CN108424963A (zh) | 血清中circ_0079591作为URSA诊断及妊娠结局评估标志物的应用 | |
| CN109192243A (zh) | 染色体比例的修正方法、装置、介质 | |
| Del-Aguila et al. | Single-nuclei RNA sequencing from human brain to study for Mendelian and sporadic AD |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231013 Address after: Room 393, building a, Zhongdan Ecological Life Science Industrial Park Phase I, No. 3-1, xinjinhu Road, Jiangbei new area, Nanjing, Jiangsu 210000 Patentee after: Nanjing Aorui Pharmaceutical Co.,Ltd. Address before: 330000 floors 1-2 of plant 10, Zhongxing Nanchang Software Industrial Park, No. 688, aixihu North Road, Nanchang high tech Industrial Development Zone, Nanchang City, Jiangxi Province Patentee before: NANCHANG FIVE ELEMENTS BIO-TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |