Overblog
Seguir este blog
Edit post Administration Create my blog
31 marzo 2015 2 31 /03 /marzo /2015 21:15

Jing-Dong Han et al. “Three-dimensional human facial morphologies as robust aging markers”. Cell Research 1-14, 2015.

.

 

Unfortunately we are unable to provide accessible alternative text for this. If you require assistance to access this image, please contact help@nature.com or the author

Mapa de calor de los efectos 3D que muestra los valores de carga del componente PLS 1 correlacionado con CHO, LDL-C, HDL-C o el nivel ALB en rostros femeninos y masculinos. Los valores cargados se multiplicaron por 10 000. El rojo y el azul denotan, respectivamente, los valores más altos y más bajos a lo largo de los ejes X, Y y Z

 

 

La cara es el espejo de la edad fisiológica


Científicos chinos han creado un mapa facial en 3D que permite predecir la edad fisiológica de las personas, una edad que puede diferir varios años respecto a la cronológica. El estudio revela que el ancho de la boca, de la nariz y la distancia entre ambas aumentan con la edad, así como la curvatura de los ojos.

 

Investigadores de la Academia China de las Ciencias, liderados por el profesor Jing-Dong J. Han de la Universidad Fudan en Shanghái, han demostrado que los rasgos faciales sirven para identificar la edad fisiológica de una persona.

A diferencia de la edad cronológica –el tiempo transcurrido desde el nacimiento–, la fisiológica informa del estado funcional del organismo, y se suele estimar con parámetros sanguíneos. Aunque es importante para la prevención de ciertas enfermedades, hasta ahora no existía ningún marcador fiable.

El estudio, publicado en el último número de la revista Cell Research, refleja que las características de la cara “son biomarcadores de la edad más fiables que los perfiles de sangre y reflejan mejor el estado de salud general que la edad cronológica”.

Las personas menores de 40 años pueden tener una edad fisiológica 6 años mayor o menor que la cronológica

Los científicos chinos efectuaron un análisis morfológico de los rostros de 322 compatriotas con edades comprendidas entre 17 y 77 años para generar mapas en 3D. De esta forma identificaron ciertos rasgos faciales cuantificables que permiten determinar la edad.

.

Un modelo para predecir la edad

Los resultados revelan que la anchura de la boca, de la nariz y la separación entre ambas aumenta a medida que la persona envejece. Además, las esquinas de los ojos caen de forma más pronunciada en los individuos más mayores. Con este tipo de datos los investigadores trazaron un modelo para predecir la edad.

El equipo ha descubierto que las personas menores de 40 años pueden tener una edad fisiológica 6 años mayor o menor que la cronológica. Esta diferencia todavía es más acusada cuando superan esa barrera de edad. Esta información fue confirmada por los análisis de sangre que se efectuaron a los participantes.

De momento el estudio se ha centrado únicamente en personas de etnia china, por lo que queda pendiente investigar si estas tendencias se producen también en otros grupos humanos.

.

Referencia bibliográfica:

Jing-Dong Han et al. “Three-dimensional human facial morphologies as robust aging markers”. Cell Research 1-14, 2015. DOI: 10.1038/cr.2015.36

.

Unfortunately we are unable to provide accessible alternative text for this. If you require assistance to access this image, please contact help@nature.com or the author

.

Aging-related facial morphological phenotypes. (A) The 17 landmarks used to align all faces. (B) Clustering of all quantified facial features, blood serum indicators, blood cell indicators, body indexes and PLS components in females and males. (C) The correlation network of female facial features and PLS components. (D) The network of male facial features and PLS components. Node size is proportional to the correlation between the feature or component and age. (E) Distribution of correlations between chronological age and each quantitative feature in females and males.

.

Aging is associated with many complex diseases. Reliable prediction of the aging process is important for assessing the risks of aging-associated diseases. However, despite intense research, so far there is no reliable aging marker. Here we addressed this problem by examining whether human 3D facial imaging features could be used as reliable aging markers. We collected > 300 3D human facial images and blood profiles well-distributed across ages of 17 to 77 years. By analyzing the morphological profiles, we generated the first comprehensive map of the aging human facial phenome. We identified quantitative facial features, such as eye slopes, highly associated with age. We constructed a robust age predictor and found that on average people of the same chronological age differ by ± 6 years in facial age, with the deviations increasing after age 40. Using this predictor, we identified slow and fast agers that are significantly supported by levels of health indicators. Despite a close relationship between facial morphological features and health indicators in the blood, facial features are more reliable aging biomarkers than blood profiles and can better reflect the general health status than chronological age.

 

Unfortunately we are unable to provide accessible alternative text for this. If you require assistance to access this image, please contact help@nature.com or the author

Visualization of facial aging. (A) The female and male average profiles of five age groups from 17 to 77 years old. N indicates the number of subjects in each age group. (B-D) Synthesized female and male average profiles between −2 and +2 SD of loading values of age-correlated PLS component 1 (B), component 2 (C) and combined components 1 and 2 (D). (E-G) Heat map of 3D effects displaying loading values of age-correlated PLS component 1 (E), component 2 (F) and combined components 1 and 2 (G) shown on female and male faces. The loading values were multiplied by 10 000. Red and blue denote, respectively, higher and lower values along x-, y- and z-axes.

 

Unfortunately we are unable to provide accessible alternative text for this. If you require assistance to access this image, please contact help@nature.com or the author

 

Prediction of physiological age, slow and fast agers based on 3D facial images. (A) Correlation of age predicted by facial vertices-based SVR predictors with the actual age of the subjects, and the correlation between SVR- and PLSR-predicted ages. Predictors are trained separately in females and males using all but one sample to predict the age of the left-out sample. The predictors are generated based on ages accurate to the day. (B) The deviations and correlations between predicted and real ages reach saturation levels with > ~40% of the samples. Curves of each predictor show MAD and PCC between predicted age and chronological age when 10%, 20%,..., or 100% of the data was used to build the predictors. (C) MAD between the chronological ages and predicted ages in each age group. Error bars denote SD. (D) The average profiles of the predicted fast agers, slow agers and well-predicted female and male subjects in age groups older than 40 years. The classification is based on the age difference > 6 years between predicted age and chronological age. N indicates the number of subjects in each class of each age group. (E) Levels of the most age-correlated health indicators in predicted fast agers, slow agers and well-predicted subjects. The classification is the same as in D. *, **, *** and **** denote unpaired one-sided Student's t-test P < 0.1, 0.05, 0.001 and 0.0001, respectively. RCC stands for Spearman's rank correlation coefficient between each sample class (rank 1, 2 and 3 for predicted fast agers, well-predicted subjects and slow-agers, respectively) and indicator level. FDR stands for false discovery rate, which is the fraction of times among 1 000 sample label permutations that give RCC ≥ the real RCC. Error bars denote SD. (F) The joint FDR for all age-associated blood indicators' RCC to slow- and fast-ager classification in females and males in each age group. FDR is calculated as the fraction of times among 1 000 sample label permutations that have larger than or equal to the real number of indicators whose absolute RCC are greater than the defined cut-off (female 0.4 and male 0.2). Support denotes the cases of positive RCCs for Cluster 1 indicators and negative RCCs in Cluster 6 indicators; oppose denotes the opposite.

 

 

 

 

Compartir este post

Published by Malcolm Allison H malcolm.mallison@gmail.com - en Ciencias Innovación Tecnología Medicina humana y salud PSICOLOGÍA
Comenta este artículo

Comentarios

Présenta

  • : cinabrio blog
  • cinabrio blog
  • : Ecología y sostenibilidad socioambiental, énfasis en conservación de ríos y ecosistemas, denuncia de impacto de megaproyectos. Todo esto es indesligable de la política y por ello esta también se observa. Ecology, social and environmental sustainability, emphasis on conservation of rivers and ecosystems, denounces impact of megaprojects. All this is inseparable from politics, for it, the politics is also evaluated.
  • Contacto

Perfil

  • Malcolm Allison H malcolm.mallison@gmail.com
  • Biólogo desde hace más de treinta años, desde la época en que aún los biólogos no eran empleados de los abogados ambientalistas. Actualmente preocupado …alarmado en realidad, por el LESIVO TRATADO DE(DES)INTEGRACIÓN ENERGÉTICA CON BRASIL
  • Biólogo desde hace más de treinta años, desde la época en que aún los biólogos no eran empleados de los abogados ambientalistas. Actualmente preocupado …alarmado en realidad, por el LESIVO TRATADO DE(DES)INTEGRACIÓN ENERGÉTICA CON BRASIL

Recherche

Liens