衰老基因表达谱揭示六大衰老驱动因子：跨物种功能验证研究

本综述通过整合25个哺乳动物基因表达数据集，结合线虫模型的功能验证，建立了从相关性分析到因果验证的衰老研究新范式。研究团队开发了基于出现频率的基因排名算法，鉴定出45个跨组织保守的衰老相关差异表达基因（DEGs），并通过秀丽隐杆线虫（Caenorhabditis elegans）的RNA干扰（RNAi）实验证实其中6个基因（CASP1、RSRC1、SPARC、CA4、CDC20、DIRC2）具有延长寿命的因果效应。值得注意的是，衰老上调基因的抑制与衰老下调基因的抑制均能延长寿命，挑战了"逆转衰老相关表达变化即有益"的传统认知。该研究为衰老驱动因子的识别提供了可扩展的工作流程，并揭示了多个进化保守的衰老调控靶点。

ABSTRACT

多项研究通过比较年轻和年老样本的基因表达来获取对衰老的见解，但这些研究仅识别关联而无法区分衰老驱动因子与代偿性保护反应。本研究引入了一种表征差异表达基因对寿命因果影响的工作流程。首先，对25个基因表达数据集进行荟萃分析，这些数据集包含来自健康、未经治疗的成年哺乳动物（人类、狗和啮齿类动物）不同组织的样本。基因根据在多个数据集中表现一致差异表达的频率进行排名。排名最高的年龄上调基因是TMEM176A、EFEMP1、CP和HLA-A；排名最高的年龄下调基因是CA4、SIAH、SPARC和UQCR10。其次，通过在线虫中对相应直系同源基因进行发育后RNA干扰来测量对寿命的影响。在测试的10个年龄上调基因和9个年龄下调基因中，两个年龄上调基因（csp-3/CASP1和spch-2/RSRC1）和四个年龄下调基因（C42C1.8/DIRC2、ost-1/SPARC、fzy-1/CDC20和cah-3/CA4）产生了显著且可重复的寿命延长。值得注意的是，数据并不表明年龄差异表达的方向可以预测对寿命的影响。

1 Introduction

高龄是大多数慢性疾病的主要风险因素。根据广泛接受的衰老进化理论，衰老是普遍存在的，因为在繁殖后期选择压力可忽略不计。需要特殊方法来检测与年龄相关的基因表达信号，这些信号通常是微妙和广泛的。年龄相关现象，如转录漂变，产生了可重复但随机的表达模式，进一步掩盖了有意义的信号。由于随机信号不太可能跨物种和组织复制，并且频率比倍数变化更有意义，因此理想情况下可以使用多物种、多组织的荟萃分析结合计数方法来识别衰老驱动因子。然而，将这些发现转化为可操作的治疗策略具有挑战性。任何被推定为衰老驱动因子的上调基因，同样可能是一种代偿性老年保护反应或不重要的下游效应。换句话说，相关性不一定等于因果关系。

功能评估衰老相关基因也面临特殊挑战。稳定的细胞系不能用于体外研究衰老，因为这类细胞系具有永生特性。体内模型更有用，但需要时间和资源使动物衰老并监测直至自然死亡。在哺乳动物中，这可能涉及数年的劳动，这无疑是短寿命线虫几十年来在老年科学中如此受欢迎的一个原因。尽管线虫与人类只是远亲，但它们共享非常相似的繁殖后衰老特征。在线虫中，可以快速、轻松且廉价地敲除基因，使其成为反向遗传筛选的理想选择。然而，如果没有在哺乳动物系统中背景化结果的方法，很难证实线虫的发现与人类生理学相关。

本研究引入了一个工作流程，将哺乳动物DEGs分析和线虫遗传筛选两种独立的方法统一起来，利用各自的优势来减轻其弱点。

2 Material and Methods

2.1 Meta-Analysis Dataset Selection

本荟萃分析旨在设计一种简单、可扩展且高度 capable 的方法来识别与哺乳动物衰老一致相关的基因集合。目的是从转录漂变和随机变化的背景中提取微妙但有意义的年龄相关信号。如表1所示，任何包含来自典型年轻成年和年老成年时间点哺乳动物样本的数据集都有资格被纳入。

从NCBI GEO存储库获取基因表达数据。使用筛选器“organism: mammal”和“subset variable type: age”识别出约200个候选数据集，并根据纳入和排除标准手动检查，最终确定25个合适的数据集。

2.2 Identification of Differentially Expressed Genes (DEGs)

使用R软件环境和Bioconductor项目的一系列包分析基因表达数据。通过调整GEO的GEO2R工具脚本，通过GEOquery检索数据并转换为R兼容格式，并通过limma分析DEGs。通过比较每个数据集中年轻与年老组织的样本来计算DEGs。使用宽松的阈值（调整后p值 < 0.25）识别候选DEGs，并使用Benjamini-Hochberg方法控制错误发现率（FDR）。最后，为了便于跨数据集分析，使用homologene包将所有非人类数据集的DEGs转换为其人类同源物。

2.3 Value-Counting Method for Ranking DEGs

然后使用计数方法的一种变体对基因进行评分。这种方法能够整合来自不同物种、组织、平台和实验设计的基因表达数据，同时保持高度可扩展性和可重复性。简而言之，根据基因在符合选定阈值的数据集中被识别为DEG的数量进行排名。因此，跨各种数据集差异表达的一致性被优先考虑，而个体效应大小被丢弃。

这里引入了一种新的计数方法变体来进一步优先考虑一致性：排名基于上调和下调评分之间差异的绝对值，其中评分分别由DEG在显著上调和下调的数据集数量决定。公式如下：

设分数 S_iUp 和 S_iDown 分别代表基因i在显著上调和下调的数据集数量。每个基因i的总分S_i和排名R_i计算如下：

S_i = S_iUp - S_iDown

R_i = |S_i| = |S_iUp - S_iDown|

例如，如果一个基因在25个数据集中有2个显著上调，8个显著下调，则该基因的排名为 |2-8| = 6。

基于上一步每个数据集识别的DEGs平均数量为1816个基因（平均每个数据集超过30,000个探针），应用成功率为6%且25次试验的二项分布来估计高排名基因的最终p值。对于排名6或以上的DEGs，累积概率P(X≥6)产生的最终p值为0.003。

排名至少为7（R_i ≥ 7）的DEGs通过标准化为来自每种组织类型的数据集数量，进一步分析跨组织的基因表达模式。

使用python软件环境进行此计数分析，并利用pandas、matplotlib和seaborn包进行数据可视化。

2.4 Pathway Analysis

排名至少为6（R_i ≥ 6）的DEGs使用R软件环境中的通路分析来探索其在关键生物过程中的已知作用。使用Bioconductor包clusterProfiler进行基因本体（GO）富集分析。使用标准设置（Benjamini-Hochberg调整后p < 0.05）将DEGs映射到GO生物过程、细胞组分和分子功能。

2.5 Identifying Worm Orthologs of DEGs

使用OrthoList 2识别排名至少为7（R_i ≥ 7）的DEGs的线虫直系同源物。对于给定DEG有多个直系同源物的情况，选择置信度最高的直系同源物。最终的直系同源物列表以及相应RNAi克隆的可用性显示在附表S2和S3中。

2.6 Worm Culture and Post-Developmental RNAi

野生型（N2）线虫维持在接种大肠杆菌OP50的固体线虫生长培养基（NGM）平板上，在20°C下使用标准协议培养。从Ahringer RNAi文库中获得携带感兴趣RNAi构建体的大肠杆菌HT115克隆，并接种到含有IPTG和氨苄青霉素的固体NGM平板上。对于每个感兴趣的基因，将RNAi细菌的单个菌落在液体LB培养基中培养过夜，然后在第二天接种到平板上。同时，为了确认克隆的身份，使用QIAGen Spin Miniprep Kit从同一培养物中分离DNA，并使用M13-forward引物对插入片段进行测序。接种的平板在室温下培养2-3天，在此期间，在转移线虫前24-48小时将FUDR添加到平板中。使用L1同步的bleaching方法对线虫进行年龄同步，并使其在标准OP50平板上发育到L4晚期，然后转移到接种有RNAi喂养细菌的平板上。

2.7 Lifespan Extension Screen

使用标准协议进行寿命测定。简而言之，通过视觉观察每2-3天对线虫进行存活或死亡评分：用铂金挑针轻轻刺激明显不动的线虫，未能反应的线虫被评分为死亡并从平板上移除。离开平板表面并在平板壁上干燥的线虫被审查。对于初始筛选，将19个候选克隆与批次内GFP RNAi阴性对照以及众所周知的daf-2 RNAi阳性对照进行测试。对于每个测试的克隆，初始筛选包括分布在多个平板上的大约80-100条线虫，每个平板大约20条线虫。对于在初始筛选中显著延长寿命的克隆的后续验证，每组包括大约100-120条线虫，每个平板大约25条线虫，测试针对GFR RNAi和空L4440载体阴性对照以及daf-2 RNAi阳性对照。

2.8 Lifespan Extension Analysis

寿命定义为从成年第一天（L1同步后3天）到死亡的天数。使用在线生存分析应用2（OASIS 2）工具计算每组的平均、中位和最大寿命，并使用对数秩检验比较测试组。如果比较该克隆与同一批次内GFP RNAi阴性对照的对数秩检验在初始筛选和后续验证筛选中均显著（p < 0.05，经Bonferroni多重检验校正），则认为RNAi克隆延长了寿命。然后使用GraphPad Prism将生存数据绘制为生存曲线。

3 Results

3.1 Meta-Analysis Datasets Were Derived From a Variety of Mammalian Tissues

根据表1概述的纳入和排除标准，从NCBI GEO存储库中选择了25个公开可用的基因表达数据集。本分析中主要代表的物种是小鼠，约占一半数据集（13个），其次是人类（6个），然后是大鼠（5个），最后是狗（1个）。大多数数据集来源于肌肉（7个）和脑（5个）组织，但脂肪组织（3个）以及免疫细胞及其前体（3个）也有很好的代表性，心脏、肝脏、气管、耳蜗和生殖组织贡献较小。从每个数据集中提取的DEGs数量差异很大，从6个基因到3631个基因不等（中位数1509；四分位距466-3159）。

3.2 High-Ranking Genes Were Consistently Differentially Expressed With Age Across Diverse Tissues

使用计数方法，为每个基因分配上调和下调评分，对应于该基因在显著上调和下调的数据集数量。总体而言，通常随着年龄增长而上调的基因比下调的基因多。在最高可能得分25分（数据集总数）中，最高下调得分为9分，最高上调得分为11分。同样，只有31个基因达到下调评分7分或以上，而74个基因达到上调评分7分或以上。

为了将DEGs列表缩小到具有最一致年龄相关趋势的基因，根据其上调和下调评分差异的绝对值进行排名。因此，在不同物种或组织中表现出相反趋势的基因排名不高。虽然有105个基因的下调或上调评分至少为7分，但在减去相反评分后，只有45个基因排名7分或以上。排名最高的年龄上调基因是EFEMP1（排名11）、TMEM176A（11）、CP（9）和HLA-A（9）；排名最高的年龄下调基因是CA4（8）、SIAH2（8）、SPARC（8）和UQCR10（8）。排名用于选择DEGs进行进一步分析和实验：使用排名6作为截止点选择130个DEGs进行通路分析，使用排名7作为截止点选择45个DEGs进行线虫体内测试。

45个最高排名的DEGs，包括16个年龄下调基因和29个年龄上调基因，在图1C中列出，并附有热图显示对每个基因排名有贡献的组织。例如，并列排名最高的基因EFEMP1，在小鼠肝脏和造血干细胞、大鼠心脏和脂肪组织以及人类和小鼠的脑和肌肉组织数据集中显著上调；EFEMP1在分析的25个数据集中均未显著下调。如热图所示，没有基因能够在至少三种不同组织类型的数据集中表现一致的差异表达而达到高排名。基因CA4和CP值得注意，因为它们在所有六种主要研究的组织类型中表现一致的差异表达，并且分别是排名最高的下调和上调基因之一。在主要组织类型（3个或更多数据集）的100%数据集中表现差异表达的唯一基因是NPC2，它在所有五个脑数据集中年龄上调，以及一些来自心脏、肌肉和免疫组织的数据集。总的来说，这些发现说明了荟萃分析排名系统如何能够揭示具有显著年龄相关表达模式的基因。

3.3 Gene Ontology Patterns Were Consistent With Previous Literature

进行基因本体（GO）富集分析以评估高排名DEGs如何被分类为可识别的功能组和通路。对于此分析，截止标准放宽至包括排名6及以上的DEGs，产生一个包含40个年龄下调基因和90个年龄上调基因的池。与下调池中最多基因匹配的GO术语是线粒体内膜，并且几个与线粒体相关的附加术语也富集。细胞外基质（ECM）蛋白相关的细胞组分和分子功能也得到强烈体现。值得注意的是，胶原蛋白包含的细胞外基质是最广泛、最大的GO术语之一，有近400个成员基因，并在我们的分析中包括年龄下调和年龄上调基因。该组中值得注意的年龄上调基因是参与切割和交联ECM组分的酶，如转谷氨酰胺酶2。年龄上调基因中绝大多数的富集GO术语是与免疫活性相关的生物过程，特别是适应性免疫。该通路分析的结果在很大程度上与预期以及先前研究中观察到的模式一致，加强了荟萃分析设计和执行的有效性。

3.4 Knocking Down Orthologs of Several Mammalian DEGs Extended Lifespan in C. elegans

为准备这些体内实验，使用OrthoList 2鉴定了最高排名哺乳动物DEGs的线虫直系同源物，并培养相应的RNAi克隆并通过Sanger测序验证。在16个年龄下调的DEGs中，11个（69%）在线虫中保守，并成功培养了其中9个直系同源物的验证RNAi克隆。在29个年龄上调的DEGs中，16个（55%）保守，并获得了10个克隆。总共准备了19个RNAi克隆用于敲低实验。

为了检查每个基因对机体衰老的影响，而不考虑其在胚胎和幼年发育中的任何作用，将携带这19个RNAi克隆的细菌在发育后喂给线虫，并记录对寿命的影响。在初始筛选实验期间，九个年龄下调基因中的五个的发育后敲低相对于阴性对照显著延长了寿命（寿命延长≥5%，对数秩检验p < 0.05，n = 80–100）。敲低DIRC2的直系同源物C42C1.8产生最大效果，延长50%。在测试的十个年龄上调基因中，四个显著延长寿命，EFEMP1效果最大，延长45%。所有产生统计学显著结果的实验后来在独立验证实验中重复，使用单批新鲜解冻的线虫以减轻遗传漂变和批间变异性（n = 100–150）。

总共有六个RNAi克隆在验证实验以及初始筛选中显著延长寿命。按平均寿命延长从大到小顺序，这些RNAi敲低靶向：fzy-1（CDC20直系同源物）、ost-1（SPARC）、spch-2（RSRC1）、C42C1.8（DIRC2/SLC49A4）、csp-3（CASP1）和cah-3（CA4）。两个年龄上调靶点是spch-2（RSRC1）和csp-3（CASP1），而其他四个靶点是年龄下调的。平均寿命延长范围从9%到15%，中位延长从6%到19%，最大寿命从4%到15%，相对于批次内GFP对照（平均寿命23.35天，中位22.14天，最大27.29天）。验证实验显示出最小的变异性，证据是三个独立阴性对照组的生存曲线重叠。寿命延长程度与针对daf-2的阳性对照RNAi相当，后者延长平均寿命9%，中位寿命9%，最大寿命7%（n = 103，对数秩检验，Bonferroni调整后p < 0.01）。

3.5 Expression Patterns of Lifespan-Extending Genes in Mammalian Datasets

最后，重新检查了六个在线虫中一致延长寿命的基因在我们哺乳动物数据集中的表达模式。CASP1和RSRC1分别在七个数据集中年龄上调，没有年龄下调。CA4、DIRC2和CDC20分别在七个或八个数据集中年龄下调，没有年龄上调。SPARC在九个数据集中年龄下调，但也在一个来自小鼠肝脏的数据集中年龄上调。所有六个基因在多个小鼠组织中随年龄差异表达；除CDC20外，所有基因也在人类组织中差异表达；除CA4外，所有基因也在大鼠组织中差异表达。所有六个基因在七个肌肉数据集中的至少一个中差异表达，这不足为奇，但在仅有的两个肝脏数据集中的一个中也差异表达，这一比例要高得多。脂肪组织中的表达模式也很显著：CASP1、RSRC1和SPARC在三个脂肪数据集中的两个中差异表达，CA4和DIRC2各在一个数据集中。最后，RSRC1、CA4和CDC20在特定脑组织（包括人类额叶皮层以及小鼠新皮层和纹状体）中差异表达。总之，最显著的模式是敲低年龄上调的DEGs并不比年龄下调的DEGs更可能延长寿命，并且脂肪和肝脏组织的显著贡献也值得注意。

4 Discussion

本研究建立了一个老年科学特定的工作流程，利用计算生物学和线虫研究中可访问、可扩展的工具，将大量基因表达数据转化为一个精简的可操作靶点列表。这种方法的目标是通过有效利用这些现成的数据集和方法来产生新颖、有价值的发现，从而最大化现有研究的价值。

在过去的几十年里，有大量研究比较了不同物种年老与年轻组织中的基因表达，这些研究通常基于功能富集分析得出结论。总的来说，高龄与免疫和炎症通路的上调有关，但与电子传递链和其他线粒体活动以及胶原蛋白和其他结构性ECM蛋白的下调有关，我们的结果与这些既定趋势一致。然而，治疗方向不能从纯观察性的基因表达数据中推断出来，因为衰老驱动因子无法与代偿性保护反应和无关的下游效应区分开来。此外，不能保证功能组反映协调的生物活动；例如，GO术语“胶原蛋白包含的细胞外基质”足够广泛，既包括年龄下调的结构性胶原蛋白（由衰老细胞合成效率降低），也包括年龄上调的蛋白酶和交联蛋白（如转谷氨酰胺酶），它们经典地驱动衰老组织中的纤维化和硬化。最后，功能富集分析偏向于明确定义的基因集，并且根据定义将新的、未发现的功能排除在结果之外。考虑这些局限性并更仔细地研究单个基因是很重要的。

我们两个排名最高的个体基因，EFEMP1（排名11）和CP（排名9），在所有六种主要组织类型中一致地年龄上调，已知与年龄相关病理有关，并且在先前的类似荟萃分析中也已被分类为年龄相关。从这个背景中，我们可以推断，虽然这两个基因表现出相似的表达谱，但EFEMP1可能在驱动年龄相关病理中起作用，而CP可能随着年龄增长而上调，作为增强其保护作用的代偿反应。然而，即使对于像这样有充分文献记载的基因，这样的推断仍然涉及推测，并且还有许多其他DEGs在没有补充信息的情况下特征不太清楚。

因此，我们专注于将我们的DEGs引入线虫RNAi寿命筛选，以了解每个基因在衰老和长寿中的作用。在测试的10个年龄上调基因中，有两个在线虫中敲低后延长了寿命：csp-3（CASP1的直系同源物）和spch-2（RSRC1的直系同源物）。

Caspases是参与细胞凋亡和炎症的蛋白酶，CASP-1特别被认为是NLRP3-CASP1炎症小体的主要组成部分，并且是哈钦森-吉尔福德早衰综合征（另一种早衰综合征）和阿尔茨海默病的有希望的治疗靶点。有趣的是，CASP1在我们检查的任何脑数据集（包括人类额叶皮层样本）中均未差异表达。然而，有证据表明CASP1在阿尔茨海默病患者的额叶皮层和海马体中过度表达。抑制直系同源caspase可延长线虫寿命的新发现可能表明caspases在驱动年龄相关神经退行性变中具有进化保守的作用，超越了脊椎动物特有的经典CASP1-NLRP3炎症小体。支持这一假设的是线虫研究，表明抑制caspase活性可减少神经元信号传递中与年龄相关的衰退。这可能有助于解释最近的意外发现，即药理学CASP-1抑制剂通过改变神经元功能而非调节炎症来保护阿尔茨海默痴呆小鼠模型中的认知衰退。

RSRC1，以其结构命名（富含精氨酸和丝氨酸的卷曲螺旋蛋白1），是一个进化保守的前mRNA剪接调节因子家族的成员。最近的遗传学进展揭示了RSRC1突变与异常人类大脑发育相关：RSRC1多态性与精神分裂症相关，并且纯合子功能丧失RSRC1突变患者表现出发育迟缓和智力残疾。在我们的荟萃分析中，RSRC1在五个脑数据集中的三个中年龄上调，并且发育后敲低产生寿命延长。这些数据表明RSRC1参与早期大脑发育，但在生命后期功能异常，成为衰老的驱动因子。这种 dichotomy 被称为拮抗性多效性，其中自然选择有利于在生命早期当选择压力最强时提供优势的等位基因，即使它们可能在生命后期当选择最弱时产生有害效应。前mRNA选择性剪接在衰老和长寿中的重要作用已在别处详细阐述。

我们测试的九个年龄下调基因中有四个在线虫中敲低后延长了寿命，包括两个排名最高（排名8）的年龄下调DEGs的直系同源物：ost-1（SPARC的直系同源物）和cah-3（CA4的直系同源物）。通过进一步抑制随年龄自然下调的基因来对抗衰老并不直观。本能告诉我们，必须逆转年龄相关的基因表达变化以保持健康、年轻的状态。然而，这种变化不一定是 deleterious。一个经典的 beneficial 变化的例子是应激反应基因（如APOD）的升高，其过度表达实际上有助于动物抵抗神经退行性变并延长寿命。关于进一步抑制年龄下调基因的现有数据较少，但一个例子是线粒体电子传递链。特别是复合物I组分在多个物种中随年龄下降，然而通过RNAi进一步抑制这些组分在果蝇和线虫中都能延长寿命。

对这种模式的一个可能解释是，这些基因的自然下调可能被视为对衰老的适应性反应，而进一步抑制只是增强了这种自然适应。还有 hormesis 的概念，即引发轻微应激可以触发产生有利结果的主要代偿反应。例如，RNAi扰动电子传递链通过称为逆行响应（线粒体 hormesis）的过程刺激细胞保护基因的表达。这强调了考虑每个基因功能的重要性，而不是仅基于表达模式假设其作用。

我们考虑的第一个年龄下调基因是SPARC（富含半胱氨酸的酸性分泌蛋白）。也称为骨连接素，SPARC是一种高度保守的ECM糖蛋白，调节胶原成熟和细胞-基质相互作用。SPARC在哺乳动物组织中普遍表达，特别是在脂肪细胞中，并参与骨骼发育和周转以及伤口愈合，尤其是在角膜组织中；SPARC基因敲除（KO）小鼠胶原失调并患有骨质减少和白内障。然而，最近的研究揭示了SPARC在成年期的病理作用，例如脂肪纤维化、年龄相关炎症、代谢功能障碍、肥胖和糖尿病以及糖尿病肾病和视网膜病变。线虫研究也表明，虽然SPARC对发育至关重要，但过度表达会破坏细胞外胶原运输并减少胶原蛋白融入基底膜，并且胶原动力学是长寿的关键调节因子。在我们的荟萃分析中，SPARC在所有主要研究组织中随年龄下调，除了脑和肝脏；最显著的模式是在脂肪组织中，表达在三个数据集中的两个中随年龄显著下降。我们推测，当需要成熟新胶原原纤维的需求减少并且更有可能导致年龄相关组织纤维化时，SPARC表达可能随年龄减少。我们的发现，即SPARC敲低延长寿命，表明SPARC在发育后时期主要通过促进无脊椎动物和高等生物中ECM的硬化而发挥主要有害作用，因此增强SPARC表达的自然下降是有益的。

下一个年龄下调基因是碳酸酐酶4（CA4）。碳酸酐酶对于调节pH值至关重要，这是一个基本的生物过程，从微生物到哺乳动物无处不在。碳酸酐酶抑制剂，如乙酰唑胺，已被探索作为许多疾病的潜在治疗方法，包括年龄相关疾病青光眼、阿尔茨海默痴呆和癌症。我们发现该酶家族的一个成员CA4在所有六种主要研究组织类型中一致下调，包括人类和小鼠脑数据集。CA4主要在大脑、结肠和肺中表达。这种特定的碳酸酐酶因其在中枢神经系统（尤其是海马体和视网膜）中的细胞外缓冲作用而被研究，并且已知突变会导致人类视网膜色素变性。然而，在成年期，最近发现CA4表达增加与ECM的营养不良性钙化有关，导致慢性阻塞性肺疾病（COPD）中气道软骨硬化。通过给klotho亚型小鼠（一种加速衰老模型）服用乙酰唑胺来探索碳酸酐酶抑制可以逆转年龄相关钙化的前提，治疗成功地改善了钙化并使寿命延长了三倍。与这一前提一致，我们首次表明发育后下调CA4直系同源物cah-3可延长线虫寿命。总之，CA4在调节中枢神经系统发育过程中的pH值很重要，但可能在成年期促进病理性组织硬化，尤其是在肺部。

我们研究中实现的最大寿命延长是通过RNAi敲低fzy-1（CDC20的直系同源物）实现的，该基因在我们的荟萃分析中年龄下调。细胞分裂周期20（CDC20）是一种进化保守的、细胞分裂的正调节因子，对线虫和哺乳动物的生命都至关重要。CDC20的活性必须受到严格调控，因为过度活跃与非整倍性相关，导致过早衰老和肿瘤发生，而抑制最近与细胞衰老相关。在我们本研究确定的六个延长寿命的RNAi干预中，fzy-1是唯一一个非新颖的，因为Xue等人在他们关于衰老网络模型的研究中先前证明了这一点。fzy-1的机制仍然未知，但线虫中其他细胞周期因子的发育后抑制被认为通过众所周知的 longevity 通路产生寿命延长，即通过daf-16（FOXO直系同源物）的代谢通路和通过skn-1（NRF直系同源物）的应激反应通路。由于线虫是分裂后生物，思考异常重新进入细胞周期的含义很有趣：在人类中，神经元细胞周期重新进入被认为对发育至关重要，但在成年期有助于脑衰老和