How can we modulate aging through nutrition and physical exercise? An epigenetic approach
Notice bibliographique
Résumé
The World Health Organization predicts that by 2050, 2.1 billion people worldwide will be over 60 years old, a drastic increase from only 1 billion in 2019. Considering these numbers, strategies to ensure an extended "healthspan" or healthy longevity are urgently needed. The present study approaches the promotion of healthspan from an epigenetic perspective. Epigenetic phenomena are modifiable in response to an individual's environmental exposures, and therefore link an individual's environment to their gene expression pattern. Epigenetic studies demonstrate that aging is associated with decondensation of the chromatin, leading to an altered heterochromatin structure, which promotes the accumulation of errors. In this review, we describe how aging impacts epigenetics and how nutrition and physical exercise can positively impact the aging process, from an epigenetic point of view. Canonical histones are replaced by histone variants, concomitant with an increase in histone post-translational modifications. A slight increase in DNA methylation at promoters has been observed, which represses transcription of previously active genes, in parallel with global genome hypomethylation. Aging is also associated with deregulation of gene expression - usually provided by non-coding RNAs - leading to both the repression of previously transcribed genes and to the transcription of previously repressed genes. Age-associated epigenetic events are less common in individuals with a healthy lifestyle, including balanced nutrition, caloric restriction and physical exercise. Healthy aging is associated with more tightly condensed chromatin, fewer PTMs and greater regulation by ncRNAs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».