大数据如何重塑老化的研究和教育

 
大数据时代已经来临：过去两年来，世界创造的数据比人类整个过去的历史都要多。南加州大学伦纳德·戴维斯分校老年医学学院的研究人员正在剖析信息宝库(从大脑扫描和人类基因组等多种来源)来推动有关改善年龄的突破性研究，并重塑老年医学教育以使未来的科学家能够对不断变化的领域。
USC伦纳德·戴维斯学院(Leonard Davis School)的微观经济学家和老年医学副教授Mireille Jacobson说，老年医学准备采用最新的工具-部分原因是该领域一直涉及大数据集。她说，例如，她的工作依赖于庞大的人口数据集，从某种意义上说，这并没有改变。 “主要是越来越多的数据可用。”
雅各布森(Jacobson)使用来自Medicare和其他公共数据库的数据来了解健康保险如何影响老年人的健康。例如，对Medicare数据的分析发现，领取Medicare福利可以帮助减轻65岁以上人群的财务压力。她还研究了医疗保健提供者，以及他们如何根据各种外部因素做出医疗决定，包括新的筛查建议和药物短缺。
她补充说：“将数字化并以电子方式提供所有内容的努力是新事物。”
雅各布森(Jacobson)是南加州大学伦纳德·戴维斯分校(USC Leonard Davis School)的一组老年医学研究人员的一部分，他们正深入研究大量数据，以便更好地了解衰老和寿命。他们的工作对培训学生和创建更好的数据集具有重要意义，这可以帮助研究人员更好地了解个体危险因素，确定基因在疾病中的作用并制定更精确的干预措施。
跨学科发展
老年医学研究助理教授兼老年医学生物信息学核心主任Em Arpawong希望汇集各种信息，以更好地了解遗传和环境成分如何相互作用，从而导致老年人的健康状况有所不同。她目前的工作整合了数十年来代表数十万个人的大型数据集的全基因组以及双胞胎和家族建模方法的使用，例如美国卫生与退休研究和项目人才老化研究，这两项研究都历经数十年数以万计的参与者。
Arpawong说，研究衰老在健康研究领域是独一无二的，因为生命中发生的很多事情都会影响到人的轨迹。
她说：“我采用终身发展的方法来研究早期生活条件对以后健康的影响，包括遗传学，行为和背景因素，例如社会经济状况和家庭逆境，这需要汇总大量数据。”
开展诸如创建脆弱指数的项目，开发针对老年人抑郁症状的全基因组扫描，计算遗传和环境因素如何促进与衰老相关的认知变化以及评估痴呆症的MRI标记物稳定性等项目，需要许多不同的技能领域和协作。当研究人员不得不将对遗传标记物的动物研究的结果转化为人类时，会产生额外的复杂性。
Arpawong说：“我在生物信息学核心领域的工作重点是将他们从模型系统(如小鼠)的发现翻译成或与人们合作进行翻译，”
这是一个循环过程：研究人员通常使用人类数据来观察动物模型系统的发现的影响。一旦他们在人类数据中找到了一些东西，他们就会回头并在动物模型中运行这些实验，以查看是否存在某些因果机制。这种数据驱动的探索开辟了许多新的方法来理解衰老，因为鉴于我们的寿命长且生活环境千差万别，不可能仅在人类中进行这些类型的转化和综合老年学研究。
Arpawong说：“ [翻译]已成为老年医学工作中的一个重要组成部分，该工作一直很着迷，并有助于加快传统上独立运作的学科之间的研究发现步伐。”
这项工作变得自然合作，涉及许多具有不同背景的不同研究人员。
Arpawong解释说：“不同部门之间存在很多交叉，与Dornsife学院，Keck医学院和信息科学学院的人们合作有很多好处，包括从心理学到计算生物学。” “这真的是遍及南加州大学的一个错综复杂的网络。它只是指出了这项工作的跨学科性质。您需要与很多人交谈并与他们合作，以确保您朝着正确的方向前进。”
Arpawong最近使用各种数据集来寻找遗传学和言语记忆之间的联系。她发现阿尔茨海默氏病的遗传标记并不孤单，还有第二个基因在与衰老相关的记忆能力中起特定作用。
USC大学教授和AARP老年医学教授Eileen Crimmins说，大数据还改变了人们协作的方式。她解释说，没有一个研究人员可以知道项目的所有部分。
她说：“还有更多的大型跨学科小组，每个人都有一个专长，而没人知道这一切。” “因此，有更多的人相信他们确实知道并且可以正确地做到这一点。”
所有这些数据都需要更新的解决方案来容纳和传输它，尤其是在与全球不同研究人员合作时。
Arpawong说：“在我们必须处理的内容，传输这些内容的频率和需求以及维护这些数据的安全性，然后拥有可用的工具方面，规模要大得多。” “我们需要进行的许多数据分析都需要使用不同的编程语言进行编码，而某些更常见的统计软件则无法提供这些语言，并以超出自己硬盘的方式存储数据。”
教育还必须适应大数据科学的最新发展，要求学生编码精通，数据驱动并且能够提出有关衰老科学的新问题。 Crimmins说，大数据改变了研究生的游戏规则，Crimmins指导着南加州大学伦纳德·戴维斯分校的老年学计划的多学科研究培训。该计划帮助博士后和博士后学生熟悉跨学科的衰老研究。
Crimmins解释说：“由于问题确实已经转移，因此有更多的跨学科活动。”
除了对老年病学的基础研究之外，今天的学生还在不断学习新技能和知识，从空气污染的病理学到遗传学。 Arpawong补充说，人们正在做的很多事情都是在工作中学习以获取课堂上没有教授的技能。
对于进入该领域的学生来说，理解统计数据并掌握计算能力至关重要。在她的课堂上，雅各布森(Jacobson)提出了一些“怪异的数据”，例如，为什么数据集的平均值可能比中位数高得多。
她说：“如果考虑美国的平均收入而不是中位数，那可能会告诉我们有关美国人的整体情况。” “从某种意义上说，可用的大数据应该迫使我们回到基础知识上并了解基础。”
编码能力也是新研究人员在该领域使用的工具的核心，有时还需要使用多种语言进行编码。
适应未来
数据的可用性和类型只会在将来增加，研究人员正在考虑如何调整研究以为新信息腾出空间。 Crimmins是健康与退休研究的联合研究员，该研究已经进行了大约30年。该研究每两年进行一次，一半在面对面，一半在打电话。自2006年以来，研究人员从亲身拜访的人那里收集了生物标记-诸如身高，体重，血压和血液样本等指标。
这些指标将使研究人员可以在现有数据中建立更大的关联，并且也使分析中的其他数据相形见war。 Crimmins说：“每个人有200万个标记，我们有20,000人。” “这确实需要大容量计算。”
利用健康与退休研究的数据，Crimmins取得了一些令人惊讶的发现。其中之一是，与过去相比，人们在65岁以后实际上拥有更长的大脑健康年限。对数据的另一项研究发现，教育使人们在晚年获得优势，帮助他们避免痴呆症并保持他们的记忆。从研究参与者那里收集生物标志物还使南加州大学伦纳德·戴维斯分校校友Morgan Levine ’08，获得博士学位。 ’15和Crimmins一起开发了一种有前途的方法来测量生物学年龄(而不是按时间顺序)。他们的研究结果表明，美国人的衰老速度可能比20年前要慢。
南加州大学已经发展成为一所数据生产大学。 Crimmins说，通过使数据可用和可用格式，鼓励数据使用的工作量很大。这是她所做工作的很大一部分：为更大的领域提供服务。
她说：“对于我们当中的数据生产者来说，这是我们的期望，这对南加州大学来说是一件大事，因为我们确实产生了许多国际数据集。”
大数据正在打破领域之间的传统界限，Arpawong说。最强的结果可能来自各种数据类型的混杂(例如，医疗账单和成像或基因组和环境数据)。
她说：“您需要将其分解成碎片。您需要知道如何操纵数据以获取所需内容的人员，并且每条数据都非常细微。” “您可以通过任何可以编写代码的方式来获得结果，但这是正确的吗?生物信息学的一个重要问题是要确保人们接受了这类数据资源的培训，以确保他们在做自己想做的事情。 ”
USC伦纳德·戴维斯分校伦纳德·戴维斯分校院长Pinchas Cohen同意，在当今的现代研究环境中，利用各种来源的数据与理解细胞功能一样重要。在他自己的实验室中，他领导着大数据驱动的研究，以鉴定以前未知的线粒体基因，致力于了解它们的功能以及它们是否可以作为治疗老年痴呆症，糖尿病和其他疾病的靶标。
Cohen说：“大数据时代取代了千篇一律的思维方式，使我们能够采用21世纪的方法来应对疾病风险，并通过深入了解个人的风险因素来促进健康的衰老。” “科学不再是在自己的实验室中观察显微镜;它是在向外观察来自全球数百万人的数据。”