分享

坚定但不自满,脚踏实地但充满希望,Dr.列昂尼德·佩什金是致力于了解衰老的科学家之一,他希望有一天能像对待其他疾病一样对待衰老。

正如他在采访2018年年中的波士顿环球报,失去自己和亲人的想法对他来说毫无意义,and ever since he was a child,他一直忙于衰老,担心衰老会夺走父亲的生命,列昂10岁的时候,他快60岁了,悲哀地,于2018年7月去世,享年96岁。

Dr.佩什金48岁,来自莫斯科,俄罗斯,拥有应用数学硕士学位和博士学位。in machine learning.He currently works at the Systems Biology Department at Harvard Medical School;他的主要兴趣是胚胎学,进化,老龄化,他学习了十多年。

在LifeSpan.io的采访中,他对自己希望尽快战胜衰老的愿望毫不掩饰,但与该领域的其他科学家不同,他们更喜欢具体的衰老理论,他认为我们的理解还不够深入,不能站在一边,在这里,他有点让人想起Jo_o Pedro de Magalh_es.

他说得很清楚,利昂并不特别喜欢长寿社区的一些人和一些奇点学家过于乐观的态度,因为他发现自满很可能阻碍战斗的进展,在这一点上,都赢了。他开始如下:

Thank you for the opportunity to share my views.我必须提到我的博士学位。论文是在人工智能领域完成的。and for the past 12 years,我在哈佛医学院的系统生物学系工作,yet I am a relative novice in the field of aging biology.作为一种介绍方式,我想对目前在老龄化领域流行的耸人听闻的观点作一个讽刺:

我们是被选中的一代。奇点就在附近。复兴疗法就快到了。不是一个,几个a-la-carte:干细胞,年轻人的因素,消炎药,Skulachev's ions,NAD,等。由商界和科学界的名人支持的公司已经在整理剩下的细节,在被称为“深度学习”的人工智能技术的强大力量的帮助下。

这个童话很美,在我的内心深处,希望我弄错了,但我认为现在,这种积极的神秘主义是不正当的,而且适得其反。过度乐观是,不幸的是,standing in the way of progress,as I will try to explain.

有许多建议的老化模型,比如衰老的特征,SENS,和删除时间。哪一个,如果有的话,你认为这些模型反映了老龄化的现实吗??

我不想参加宗教战争。人们变得非常热情,常常对一些模糊定义的术语产生冲突。在观察到的衰老特征中,从分子水平到生物体水平,are correlates and which are causes of aging is hard to say.生物学还没有成熟成为一门精确的科学。也许是因为我在定量科学方面受过训练(理学硕士。在应用数学中,博士学位在机器学习中)我接受模型意味着一种定量的理解水平“建模”;that is,预测和回答”如果“问题。这样的模型最终可能不是由一组清晰易读的人类数学公式来表达,而是由人工神经网络中的一大组可调参数或其他一些尚未发明的表示来表达。它必须,然而,提供一种评估生物体当前状态并预测其在稳定环境中的寿命和健康寿命的方法,在大扰动之外,然后进一步考虑到干扰和调整预测。今天,我甚至不能说在“什么是有用的定义”这个领域有一个共识。aging".“我喜欢”increase of hazard rate (i.e.the probability of dying) with time",诚然,这是一个非常数学的概念——精确而不太有用。颠倒这个公式,我们得到了一个奇怪的比喻——没有衰老的生活可以想象成一种生活,say,once a year,你接受的治疗使你在生理年龄恢复了一年,或者,with some small but non-negligible probability,杀了你。生活是一场机会的游戏。

你认为衰老是一个单向的过程还是一个灵活且易于干预的过程??

两者兼而有之。我认为这是一个单向的过程,但也灵活,易于干预。想象一下一个戏剧性的干预:有一天,我们发明了一种冷冻方法来保护像我们这样的温血生物,使其能够在不受损害的情况下经历冻融循环。现在,你面临着一个挑战,要设计一个时间表来决定什么时候,and in what size fractions,你想耗尽你的生命。当你被冻住的时候,时间停止了。当你活着的时候,你的年龄:子宫切除术踢球,电离辐射破坏了你的DNA,your defrosted friends and family du jour stress you out,等。这就是事情的样子ad absurdum,说明权衡。现在,回到干预:我想象一个过程和美容院没什么不同,在那里你做指甲和头发,偶尔做个整容手术;所有这些都是权衡,即使人们不认识它。美容治疗让你看起来更年轻,但化妆品可能会毒害你的皮肤,加速实际衰老。有证据表明,自然界中的生物之间存在这种权衡;延长许多物种的寿命是以牺牲繁殖为代价的,在冷血动物中,你可以通过冷却环境或以其他方式减缓新陈代谢过程,使寿命增加几倍。我相信,第一个结果将不是给人们提供长寿的免费门票,而是使权衡更加明确,教育人们并让他们控制决策。这些从来都不是简单的选择,这与癌症患者在快速和无痛死亡之间做出选择或以牺牲痛苦痛苦痛苦为代价冒险时所面临的情况并无不同。生活是一场机会的游戏。

有哪些研究让你相信这是事实??

我不必被说服;这是根据众所周知的观察得出的。有着密切联系的物种,它们的寿命相差很大,我们在下面讨论的生殖系重置,寿命对饮食的依赖,以及其他明显的环境条件,例如冷血动物的环境温度。我完全参与了获得裸鼹鼠全基因组的工作。which lives ten times longer than closely related species.我目前研究的是水蚤的老化,它是一种小型水生生物,一个月内从婴儿期变为虚弱期。我们都知道衰老,manbetx2.0手机版但是当你仔细观察一个生物体是由一个细胞产生的时候,这种熟悉就变成了理解,form organs,grow,成熟的,procreate by itself,then exist for a while in a perfect environment with the right temperature,水质、营养和光,just to decay and fall dead,一个月内完成。这个有机体并不难联系,as it has very recognizable parts of common anatomy with us and lots of recognizable cell types.对,它是一种无脊椎动物,但是肌肉,心,血液,原始免疫系统,肠道和辅助消化系统,眼睛,其他由感觉和控制神经元组成的感觉器官用普通解剖显微镜很容易观察到。我们正在寻找与人类已知的衰老迹象相似的衰老迹象,比如白内障的形成,changes in bone density,血管硬化,等。这么短的寿命,我们能够通过各种干扰来控制这些条件,以期建立一个详细的理解和老化的因果图。最终,我们甚至会建造一个模型从严格意义上说。我们和其他人已经看到卡路里的摄入对水蚤的寿命有很强的影响;然而,即使在这里,我们不清楚,因果图我们研究因果关系的方法建立在机器学习[2]的基础上,并以癌症和转移[3]为重点进行开发和出版。特别是细胞运动。粗略地说,其理念是使用具有良好特征的分子靶点的广泛特异性药物(多药医学)20个问题”[4]为了系统地探索哪些途径会影响表型,哪些途径不会影响表型。这就是我们的寿命。与药物筛选不同,我们不希望在成千上万或数十万名候选人中找到一颗神奇的药丸;更确切地说,我们使用几十种特别选择的药物和各自的剂量来获得一个复杂的系统,通过以脱节的方式瞄准模块来向我们揭示其模块性。

什么是表观基因组?它与基因组有什么关系??

我喜欢把基因组看作是一本百科全书级的食谱,而表观基因组则是一组书签和手写笔记的集合,还有酱汁渍和糖浆溢出物。基因组经常被比作一本书,但我坚持要有一个功能性的方面来让这个比喻真正起作用。We must use that book to create a product according to a recipe.它为生物学隐喻增添了许多内容;同一家快餐连锁店的分支机构在本书中使用的同一页内容一致,也许有点不同,方式。这些细胞类似于同一类型的细胞。磨损的页面会导致遗漏或错误解释步骤,,等等.尝试执行一个已经有点损坏的食谱可能会导致厨师花更多的时间来使用它;反过来,这会对本页和相邻页造成更大的损坏,以混沌的方式大大放大初始小随机差异的过程,导致在几乎相同的环境中,最初的孪生同卵系统的寿命发生难以解释的巨大差异。

显然地,表观基因组可用于“时代”标本,that is,从样本中判断生物体的年龄。这对老龄化研究非常有用,直到今天,我们只知道如何使少数选择的物种以可见的方式跟踪它们的年龄,like the annual circles on a tree stump,耳石上的类似层,还有一些鱼的鳞片。有了一个生物体的年龄,我们就可以把它的年龄与其他标记物联系起来,such as gene and protein expression in various tissues,behavior changes and physical wear of structures.

有人提出表观遗传改变是衰老的主要原因,遗传和表观遗传干预是潜在控制衰老的关键。你认为表观遗传改变是衰老的原因还是下游的结果??

既非原因也非下游。没有线性因果链的两个环节aging"和“表观遗传学改变”;相反,老化的电路中有环路和放大器。表观遗传改变必须由其他原因引起;这些,反过来,控制很多事情。On the other hand,DNA损伤在因果关系网络中显然是很早的,但很难消除。有更多的希望去校对和修复”表观遗传学改变”.回到我的快餐连锁比喻,你可以想象一个质检员,检查食谱,减少污渍,甩掉面包屑和意外书签,同时彻底关闭餐厅,彻底损坏烹饪书籍。While I am not sure about the arrow of causality,我对这个研究方向很感兴趣,所以我们计划在达芙尼亚进行一次实验,观察构成年轻人和老年人的细胞群中细胞类型分布的变化。期望是表观遗传的改变导致古生物细胞的去分化和错误分化。which could be characterized and further used as end-points for aging interventions.我们需要找到一种可靠且负担得起的方法,在单细胞水平上描绘几万个细胞的表观遗传状态,这是一个很大的挑战。

2016年12月,胡安·卡洛斯·伊兹皮苏亚·贝尔蒙特研究员重置表观遗传老化标记物在使用部分细胞重编程的活动物中,类似于我们如何制造诱导多能干细胞和胚胎。”reset"他们的衰老。这似乎可以逆转衰老的多个方面,并延长小鼠的健康寿命。你是否乐观地认为,在老年人中重新设置衰老的表观遗传生物标志物是一个有前途的研究方向?为什么??

我认为这是一个非常有前途的研究方向,but I wouldn't rush to inject myself with Yamanaka factors just yet.在当今的老龄化研究领域有太多的炒作,这对田地有害。Biology in general is suffering from the reproducibility problem.Very few results translate from mice to humans.“正常的实验室的老鼠离野生型;他们是近亲,生活在不健康的环境中[5]。创造一个自然的healthy,老鼠和许多其他物种的无捕食者环境,总有一天会得到很好的寿命统计数据,自然和不受干扰。现在,“我们的数据非常稀缺”“自然”“老化”“自然”animals and have to rely on statistics for lab strains of animals that are cheaper to keep in large numbers,比如虫子和苍蝇。Even for these"不自然的老鼠,I do not think that we yet have the lifespan data on"Yamanaka infusion";相反,我们看到了一些总体健康标志物的令人鼓舞的结果。为了使假想的恢复复位合理化,我们必须想象,Yamanaka因子在不同细胞类型中的作用是不同的,将每个单元重新对齐到其原始配置文件。这听起来是太多的希望作为一个解决振兴。

说到重设表观遗传学和衰老,已经有确凿的证据表明,这种情况每天都发生在孩子出生的时候。如果衰老是一个单向过程,那么我们的孩子就会老了,但事实并非如此。与衰老和胚胎学密切相关,那么为什么一个古老的卵母细胞会长成一个年轻的有机体而不是一个已经老化的有机体呢??

I love this"细菌线重置”问题。我在这里看到了两个半可能性:

1:细菌线不需要重置,因为它不会老化。种系很早就形成了;very few cell cycles happen between generations.如果确实发生了一些损坏,它是针对单元级别选择的,或更高的有机体水平,竞争。

2(a):生殖系会老化,但是,与年龄相关的损伤在从单个细胞到有机体的大规模扩张中被稀释了。我不想说这是最可能的解释。

2(b):生殖系会老化,但在生殖细胞成熟和受精过程中的某个地方,它会在强烈的清洁活动中恢复活力。我们的梦想是找到机制,让它在其他地方工作。我们的一个项目与这个魔法有关,观察青蛙卵母细胞的成熟。在这个项目中,我们使用定量质谱分析蛋白质丰度和磷酸化事件的动力学,寻找众所周知的重置的线索。

你提到,当诱导的多能干细胞由成熟的体细胞制成时,也会发生类似的重设。这将是一个非常适合应用我们前面提到的多臂逆向工程方法的平台。

AI的使用,尤其是深度学习,in research has been in the news a great deal lately;你如何将它作为研究的一部分??

我不是。即使我的博士学位。在AI,或者正因为如此,我不想”把人工智能放在问题上,让它解决老化问题。”.有一些令人鼓舞的方法正在开发中,比如“深度学习,但这些只是工具,technologies that are only powerful when correctly applied in specific circumstances.对,它们对棋盘游戏很有用,image analysis,还有自动驾驶的汽车,但还没有生物学或衰老。

我参与的一些与老化相关的项目产生图像数据,因此有一天可能会使用机器学习。One example is developing"健康范围分析”对于短命的有机体,水蚤,which involves collecting a lot of image data.我们希望开发一个标准化的平台来测试许多干扰对寿命和健康的影响。这些可能是毒品,环境变化,如光周期和环境温度,diet,等。Even though there are related initiatives [6],I am surprised that such a platform has not been developed yet;这是急需的,而且可能是众包的。有些机器学习方法在那里很有用。

也,我已经提到了在我的工作中使用机器学习工具的一个例子:我们开发的一种方法叫做Kir–Kinome正规化”,它利用药物作为干扰和规则化回归的一种方式来揭示哪些途径是导致特定表型的原因。

我是A的主要合著者,公平地说,在生物学中使用人工智能的被高度引用的论文[7]。本文将蛋白质编码基因的变异分为有害基因和中性基因。它无疑是该领域最知名和最常用的方法,并得到了学术界和工业界许多团体的许可。该管道中的方法是最基本的人工智能方法,几十年来一直是人工智能的主力军:天真的贝叶斯。重要的是,它对异常值是健壮的,结果是可以理解的,并且可以被人类专家解释。每一步对于机器学习工作都很重要:数据的质量,训练集的正确注释,与该特定领域相关的特征的信息表示,一个好的算法。机器学习在产生对特征发现和选择中的噪声具有鲁棒性的方法方面已经走了很长的路,但是如果你从穷人开始,不一致的,以及错误标记的数据,做任何事都很难。生物学确实在产生大数据的时候,这对机器学习的应用产生了很大的刺激;问题是,不幸的是,低质量输液的一个重要组成部分将整个宝藏变成了大的坏数据。

人工智能在老龄化研究中尚处于起步阶段;你如何看待未来十年IT的发展?为了成为对抗衰老和与年龄相关疾病的最佳工具,需要发生什么??

为了使人工智能开始普遍适用于衰老和生物学,生物学中的数据标准必须赶上传统人工智能领域的数据标准和质量。到目前为止,AI,无论是深的还是其他的,令人印象深刻地适应了一个非常约束和同质的环境,比如棋盘游戏。对象的数量和类型定义得很好,数据整理好了,所有的情况基本上都是一样的,诸如此类。即使在语音识别中,自动驾驶汽车,机器人学,环境非常一致和协调。生物学在这方面是非常不同的;或者,更确切地说,在这一点上,我们对生物学的看法是不同的。我们还没有找到描述现象的不变方法,so any situation is unique.

让我们来看一个简单的问题:寿命。对于大多数物种,我们只有轶事,不可靠的数据。我们想知道物种在没有捕食和死亡的环境中生存了多久。”晚年“.只在动物园里发生,动物园的数据是很好的来源,但要使这些记录在各个国家保持一致是很困难的[8]。令人震惊的是,即使是人们寿命问题的答案也有很大的改进空间。最长注册寿命是多少?珍妮卡尔门特122年的著名记录最近受到质疑。中位数是多少?This depends on the country and many other things.近年来,美国的预期寿命略有下降[10]。总体分布是否至少是Gompertz分布?目前还不清楚。There is a discussion of a flattening of the hazard rate in old age;这在其他物种如苍蝇中也有发现,但是人类没有扁平化吗?I recently lost my father to old age [11];在医院和康复中心呆了几个月后,他去世了,离97岁还差一个星期。I personally witnessed what I'd call an"协助杀人”现象——有很大的压力,不向老年患者提供同等条件的年轻患者所需的医疗水平。当医生认为风险很高时,他们避免进行手术,因为它对实践产生了负面影响(破坏了统计数据);他们喜欢叫它”无用的关怀.Social workers push relatives to"拔掉插头“避免不必要的痛苦”,夸大风险,低估复苏机会;护士和非技术人员悄悄撤回医疗和援助,projecting their own religious beliefs of the afterlife and other superstitions onto what's good for the patient.这些标准很可能是针对特定国家的,自然会扭曲寿命统计数据;我们忽略了老年死亡风险的这一组成部分,这与医疗系统对老年患者的偏见有关。

Another example involves data on the perturbations of drugs on lifespan.有大量的文献和数据库试图将结果集中起来。然而,并不是所有的参数都能反映出来,and often you find the same drug and dose having different effects in the same species.药物本身是令人惊讶的难以研究的,因为没有一致的信息广泛提供关于哪种药物被称为什么或具有什么化学结构和CAS标识符;存在大量的不一致和错误注释。获得“同一药物从两个不同的供应商得到不同的结果,因为药物的纯度不同,等。总体而言,我们可以资助大型优化数据工厂在生物学领域生产大数据,然后释放人工智能来发现生物学是如何工作的这一愿景还没有得到回报,可能是因为非常根本的原因。我们不知道到哪里去寻找生物学中的不变量,所以测量,例如基因和蛋白质在癌细胞系中的表达,假设你的测量捕捉到正常的药物干扰的状态和反应是幼稚的;很多因素影响着事物的外观,每天的时间,细胞密度,微环境也不多,所以明天,you can remeasure and get very different results [12].所以,从这些巨大的数据存储库中获得多个研究的结果,并希望找到共同点,这可能是非常令人失望的。

我提到我参与了一个对裸鼹鼠进行测序的项目,帮助哈佛的Gladyshev实验室[1]。这个想法是寻找能够解释其异常长寿和健康的基因。这种分析必须与其他物种进行比较,所以,自然地,it relies on having accurate and complete information on several other genomes.然而,大多数所谓的已发表的完整基因组的质量是这样的,你永远无法确定某个基因是否缺失,因为它确实不在这些物种中,或者因为它被基因组测序和注释管道遗漏了。我的一个项目与完整基因组的质量控制和属性有关,因此,这样的分析可以通过每个物种的基因组的整体质量来提供信息,基因序列可能不完整,坏的,or represent the fusion of several real genes are labeled as such.我并不想贬低其他产生完整基因组的团队的工作;有机体特有的困难挑战,我们应该感谢您提供我们所需要的信息,然而,缺乏一种客观的方法来分配信心并将其考虑在内。

你可能会看到生物学中的数据质量对我来说是一场个人运动。

人工智能是更广泛研究进展的一部分;automated microfluidics,high-throughput assays,其他自动化也在提高研究质量和速度。你认为实验室的自动化还有哪些方法可以加速研究??

我很幸运地参与了方法开发,并向人们传授了一些用于高通量测量的尖端技术,如定量质谱蛋白质组学和单细胞转录组学[13,14。这些技术非常有前途,but here,再一次,one has to be very careful with interpretation of the data and particularly careful when expecting to merge data from multiple,脱节的研究在单细胞研究中,一切都取决于你使用的组织,你如何成功地将样品快速分离成单个细胞而不杀死许多细胞,尤其是以某种偏颇的方式完全掩盖了某些细胞类型,无论(或更确切地说)细胞在装置中溶解,使用什么参数来运行设备、生成和排序库。The same goes for proteomics: it's easy to miss whole classes of proteins,如低丰度转录因子或脂溶性蛋白。在这两种情况下,splitting the same exact sample in half and running it through a pipeline would often give you dramatically different outcomes.因此,虽然确实存在某种程度的自动化,自动化很有帮助,这只在很小的程度上是可行的,即使在使用的地方,必须极其小心地使用。

I already mentioned that the data quality in biology is a personal crusade for me.我自己致力于将人工智能集成到这些方法中。目前正在提交出版的一个项目是对相对蛋白质丰度的定量质谱测量分配信心。Comparing protein expression across samples is currently done by reporting the most likely value,这不允许我们注意到显著的但很小的变化,也不允许我们以一种统计上合理的方式为后续研究对候选基因进行排序。普林斯顿的同事们,我们开发了一个严格的统计模型[15],这使我们能够自信地判断蛋白质表达的变化降到1%。这是借用机器学习的贝叶斯统计方法的应用,它将赋予许多新的研究权力,并允许我们重新分析已经发表的数据,以获得新的发现。We will immediately plug this into our aging project,这包括对水蚤蛋白质水平的终身分析。

在过去几年中,老龄化研究的进展似乎在加速;然而,仍然有许多瓶颈阻碍着事情的发展。作为一名研究人员,阻碍我们在该领域取得快速进展的最大瓶颈是什么??

While I,非常人性化,希望相信我们是幸运的一代,能够见证和受益于被称为“的”的科学技术成熟的令人敬畏的时刻。奇点“,如果我试图清醒地考虑这个问题”加速“,我觉得很难相信。What I mean is that I am not sure if our time will seem like the singularity in retrospect.我也怀疑10,100和1000年前,有人经历过同样的惊险经历奇点“;新工具往往会给我们对自然的过度控制感。

阻碍我们前进的因素分为两大类:我们无法改变的事物和我们无法改变的事物。现行科学激励制度,资助和出版给科学家们带来了很大的竞争压力,不要分享他们最好的数据和代码,甚至在他们这样做的时候也会变得模糊。在需要将药物推向市场的阶段,竞争可能非常有用,但目前的老龄化研究状况亟需合作。我们需要平台来统一描述扰动。我们需要始终如一,关于药物和物种寿命的清洁信息。也许最重要的是,我们需要一个众包和公民科学的平台。有巨大的热情,which largely is wasted in social media groups that discuss food supplements and cheer.我知道很多聪明的人,慷慨的,and resourceful non-specialists who would be happy to contribute their time in curating data,coding up useful snippets of software,and following instructions to collect samples.组织这一自然力量将承担一个任务——兔子或机械土耳其人式的平台。也,让我惊讶的是,直到今天,在美国,有人做不到自己的验血工作”out of curiosity".人们已经掌握了在家里进行一些测试的技术。17。如果我们相信人们会吐到试管里去进行DNA测序,我们当然可以开发指令来运行基本上等于公民临床试验”对干预措施进行持续测试。

总而言之,在该领域中,竞争或合作氛围的区别实际上取决于对该领域是否非常年轻和远未取得成熟成果的认识,以及产品“或者非常接近将第一批药物和疗法推向市场。That's mainly why the false sense of accomplishment is very harmful to progress.这个领域还处于起步阶段,现在担心市场营销还为时过早,专利和利润,建造围墙;我们必须找到非常开放和协作的方式。

工具书类

[1]裸鼹鼠全基因组序列。

https://www.nature.com/articles/nature10533

[2]激酶抑制剂正则化(KIR)方法。

网址:https://www.pnas.org/content/111/13/5048.short

[3] KIR approach applied to metastasis.

https://www.sciencedirect.com/science/article/pii/S0092867414013592

[4]公开发布直观描述KIR。

https://hms.harvard.edu/news/striking-chord

[5]为什么老鼠服用的药物对人体不起作用?

https://therli.org/blog-and-news/why-drugs-that-work-in-mice-dont-work-in-humans/

[6] Caenorhabditis Intervention Testing Program (CITP).

https://citp.squarespace.com网站

[7]一种预测破坏性突变的方法和服务器。

https://www.nature.com/articles/nmeth0410-248

[8] Longevity of mammals in captivity: From the Living Collections of the world.

https://www.amazon.com/livension-mammarms-captility-collections-mammarnian/dp/3510613791

[9]珍妮平静:长寿的秘诀。内政部:10.13140/rg.2.2.29345.04964

[10]美国预期寿命的惊人下降

https://www.theatlantic.com/health/archive/2017/12/life-expecture/548981/

[11]一位抗衰老研究人员面临着失去灵感的问题:他96岁的父亲。

https://www.bostonglobe.com/business/2018/06/22/doctor-wages-personal-and-professional-battles-against-aging/qvqzlemeaoquzbgntr3puj/story.html

[12]大型药物基因组学研究的不一致性。

https://www.ncbi.nlm.nih.gov/pmc/articles/pmc4237165/

[13]单细胞转录组的液滴条形码

https://www.sciencedirect.com/science/article/pii/S0092867415005000

[14]质谱法准确无干扰复合定量蛋白质组学

http://patentsgazette.uspto.gov/week49/og/html/1457-1/us10145818-20181204.html

[15]复合蛋白质组学的贝叶斯置信区间

https://www.biorxiv.org/content/early/2017/10/28/210476

[16]网址:https://www.getbrio.com

[17]https://healthy.io网站

γ 类别 博客,, 面谈
γ 标签 ,, ,, ,,
关于作者
γ

尼古拉巴加尔

尼科拉是个万事通,拥有理学硕士学位。在数学中;业余程序员;小说写作爱好者,钢琴与艺术;而且,当然,a passionate life extensionist.2011年,他对延缓衰老的科学产生了兴趣,2015年,他逐渐从沉默的支持者转向积极的支持者。在最终加入Leaf之前,首先启动他的宣传博客rejuvEnaction。这些年来在这一领域引起了人们对分子生物学的兴趣,他积极学习。他喜欢讨论的其他主题是宇宙学,人工智能,还有很多其他人在目前的正常寿命内过多,这就是他延长寿命的原因之一。
  1. 1月4日,二千零一十九

    合理的文章!!
    同意你的数据应该变得干净和开放,如果一个人发表了一篇论文,他应该向所有人提供他所有的数据和支持,并且应该有持续的清洁过程和公众知识的提炼。

写评论:

*

您的电子邮件地址将不会发布。

2018延长寿命倡导基金会
Privacy Policy/使用条款

γ

γ技术支持MMD

想知道最新的长寿消息吗?订阅我们的时事通讯!!