“你最好不要抗拒衰老，不然你就死定了。”如果脱口秀要吐槽一下衰老，恐怕得来上这么一句。衰老不可避免，如何老去才是一个问题。有的人先白了头，有的人先长了斑，有的人先变了心。
而在诸多抗衰老的策略中，饮食常被提及。北京时间10月24日晚11点，西湖大学郭天南团队在《细胞》杂志发表研究，通过追踪小鼠“一生饮食日记”以及人类饮食调研，揭开了蛋白质摄入与衰老潜在的秘密——限制蛋白质摄入可能具有延缓衰老的潜力，并根据相关的小鼠实验推测，中年或是最佳窗口期。
新观点的背后，是郭天南团队长期从事的蛋白质组学研究。作为一门新兴的学科，蛋白质组学提供了研究复杂生命活动的新视角。
本期嘉宾 郭天南 西湖大学医学院蛋白质组复杂科学实验室 教授、特聘研究员
本期主持 沈是
时间轴
02:00
蛋白质是生命活动的“执行者”，比基因更具动态性。
蛋白质组学通过质谱仪测量蛋白质片段的质量，结合算法推测其结构和种类。
比喻：蛋白质识别就像通过体重识别人，精度需达到小数点后30位。
08:00
质谱仪将蛋白质打碎成多肽，测量其质量，通过算法还原蛋白质组成。
蛋白质组学是多学科交叉的新兴领域，涉及生物、化学、计算等。
12:00
实验设计：小鼠分为高蛋白、中蛋白、低蛋白饮食组，观察41个器官的蛋白质变化。
发现：中年雄性小鼠在低蛋白饮食下，延缓衰老效果最显著。
提示：中年人（尤其男性）可能需要减少蛋白质摄入。
17:00
低蛋白饮食的小鼠体重下降，棕色脂肪活性增强，肾脏组织更年轻。
发现DNA甲基化酶（Dnmt1）在低蛋白饮食中显著增加，可能与癌症相关。磷酸化修饰在肿瘤和衰老中起关键作用，低蛋白饮食影响其水平。
25:00
血液样本分析显示，小鼠的蛋白质变化与人类高度相关。
提示：小鼠实验结果具有一定的人类参考价值。
27:00
甲状腺结节良恶性判断是临床难题。
蛋白质组学结合AI算法可提高诊断准确率。
已有试剂盒和临床研究在进行中。
35:00
蛋白质组学数据量大，需AI识别复杂模式。通过AI模型整合多组学数据（基因、蛋白质、影像等）提升诊断和预测能力。强调数据质量和多维度融合的重要性。
45:00
目标：构建AI驱动的“虚拟细胞”模型，用于预测生命活动、药物反应等。
类比ChatGPT，但专注于生命科学问题。实验室已开展细胞级蛋白质组采样，向单细胞、亚细胞级别发展。
50:00
生命系统复杂，可能无法完全解释机制，但AI仍可提供有效预测。
引用《大数据时代》观点：数据量大到一定程度，可容忍噪音并涌现规律性。科学目标分为两类：解决实际问题 vs 探索机制原理。