Marco Quarta 博士,博士 — 引领开发促进长寿和衰老的药物

Marco Quarta 博士——Rubedo Life Science 联合创始人兼首席执行官; 费顿研究所首席执行官
发现和开发药物以保持生物年轻——Marco Quarta 博士——Rubedo Life Sciences 联合创始人、首席执行官,Phaedon Institute 首席执行官。

Marco Quarta 博士,博士 是 Rubedo Life Sciences (https://www.rubedolife.com/) 的联合创始人兼首席执行官,该公司是一家生物制药公司,开发广泛的创新疗法组合,这些疗法旨在针对驱动慢性年龄相关疾病的细胞。 该公司专有的 ALEMBIC ™ 药物发现平台开发了针对衰老细胞的新型一流小分子,衰老细胞在肺部、皮肤肿瘤、神经退行性纤维化和其他慢性疾病的进展中发挥着关键作用。

Quarta 博士拥有帕多瓦大学生物技术博士学位和神经科学博士学位。 他在斯坦福大学 Thomas Rando 教授的实验室进行衰老与干细胞生物学博士后研究。 在斯坦福大学,他领导了加利福尼亚州帕洛阿尔托组织再生、修复和恢复中心的一个研究团队。 他在斯坦福大学期间建立了一个转化医学项目。 他在干细胞、再生医学和复兴领域拥有超过 35 项专利和出版物。

Quarta 博士还是 Wetware Concepts 和 Young European Biotech Network 的联合创始人。 他还是欧洲生物技术联合会执行委员会的成员。 他目前是加州再生医学研究所和医疗保健创新中心 Calpoly Bridge 项目的成员。 他是斯坦福大学保罗·格伦衰老生物学研究中心的成员,该中心是世界上最负盛名的衰老研究机构之一。

Quarta 博士还担任 Phaedon Institute (https://www.phaedon.institute/) 董事会的首席执行官兼主席,该智库组织的使命是支持和促进有效和可持续的增长 衰老和长寿科学领域。

来源和详细信息:

探索迷幻药的长寿潜力:来自仙境会议的见解

迷幻药生产的下一个长寿药会是什么?

研究人员、临床医生和投资者预计将于 11 月前往佛罗里达州迈阿密参加一年一度的 Wonderland 会议。 全球最大的迷幻药盛会今年将重点扩大到长寿,并欢迎从布莱恩·约翰逊到奥布里·德·格雷等该领域的顶级演讲者。

该活动将通过一系列主题演讲、小组讨论和市政厅的开放麦克风会议,探讨迷幻药、心理健康和长寿医学等主题。

长寿。 每个月似乎都有更多关于心理健康与长寿之间联系的研究——从生物衰老到寿命缩短。 事实证明,迷幻药可以有效治疗抑郁症和创伤后应激障碍(PTSD)等精神疾病。 长寿药和迷幻药的协同作用是显而易见的。 我们采访了著名的长寿医生 Halland Chen 博士,了解他对长寿医学最新发展的看法。

来源和详细信息:

Will psychedelics produce the next longevity drug?

癌症中的半胱氨酸代谢:探索肠道微生物群的作用

肠道微生物群作为癌症危险因素的作用:半胱氨酸起着关键作用

肿瘤代谢对于恶性细胞适应微环境以及获得支持癌症扩散的关键细胞技能至关重要。 肠道中的微生物群对支持恶性细胞的生物能和生物合成需求的生物利用度营养素的贡献是整个旅程中关注的问题。 本综述将重点关注半胱氨酸作为微生物群和癌症之间代谢串扰介质的作用。 关键点包括微生物群通过复杂化合物的降解或从头合成向癌细胞提供半胱氨酸的方式,以丰富结肠微环境并增加系统性的半胱氨酸生物利用度。 还将讨论癌症中使用半胱氨酸产生能量和生物质的主要代谢途径。

微生物群物种与它们所居住的器官中的人类细胞之间的种间关系始终活跃。 种间关系大多是共生的,双方都受益。 在健康方面,这是事实,但微生物群在癌症等疾病的病理生理学中所发挥的作用还存在一些问题。 人们正在提出新的线索并开展研究,以确定微生物群如何影响癌症的进展和治疗。

癌细胞的代谢适应是其建立、生长和扩散的关键要求。 细胞可塑性在肿瘤细胞适应致癌发生的微环境和药物暴露等应激条件方面发挥着至关重要的作用。 最近的研究表明,半胱氨酸代谢回路是代谢系统的重要组成部分,支持生物合成和生物能量学并允许化疗耐药。 (见8-10)。 本综述将探讨半胱氨酸代谢和癌症领域的一些最新发现,以及肠道微生物群在控制半胱氨酸生物利用度的动态平衡中所发挥的作用。

来源和详细信息:
https://www.frontiersin.org/articles/10.3389/fgstr.2022.966957/full

布鲁斯·利普顿 (Bruce Lipton) 博士通过这本书探讨了信仰的生物学:我们的想法如何影响基因表达。

我们的基因如何聆听我们的信念:治愈身体并预防疾病 | 布鲁斯·利普顿博士
订阅我的每周健康精选 https://bit.ly/IncreaseHealthspan,即可获取我的免费指南《逆转衰老 3 个步骤》。

我们的信念如何影响我们的基因表达,背后有强大的科学依据。 决定我们健康结果的不仅仅是我们的基因,而是决定我们命运的生物学信念。

今天在《医生农场》节目中,我很高兴能与布鲁斯·利普顿博士谈论我们的思想如何准确地决定我们的基因表达,以及我们如何利用我们的思想影响我们的健康。

Bruce Lipton 博士是一位干细胞生物学家,也是畅销书《信仰生物学》、《自发进化》和《蜜月效应》的作者。 利普顿博士是著名的日本五井和平奖获得者,并连续 13 年被英国《沃特金斯杂志》评为“世界上最具精神影响力的人物”100 名。

本集由 Rupa Health、BiOptimizers、LMNT 和 Apollo 为您带来。

在 Rupa Health 中,功能医学从业者可以访问来自 DUTCH、Vibrant America、Genova 和 Great Plains 等超过 35 个实验室的 3,000 多项专业实验室测试。 您可以查看带有问答的免费现场演示,或在 https://RupaHealth.com 创建帐户。

来源和详细信息:

揭示衰老小胶质细胞对大脑功能的影响:一项新研究

小胶质细胞衰老如何导致大脑功能障碍

中枢神经系统由小胶质细胞维持,它们可以抵御病原体,同时修剪受损的神经元以维持大脑稳态。 小胶质细胞是保护大脑从婴儿期到晚期的免疫细胞,但它们并非绝对可靠。 早期,细胞可以准备好以某种方式做出反应。 这使得小胶质细胞的效率降低。 随着年龄的增长,小胶质细胞的功能可能会因其他细胞而变得复杂。

小胶质细胞衰老的潜在机制及其对大脑的直接影响尚不清楚。 这意味着预防或治疗大脑功能障碍的努力可能不会那么成功。

研究人员在《自然衰老》杂志上发表了他们的发现。 研究人员在《自然衰老》杂志上发表了他们的发现。

来源和详细信息:
https://medicalxpress.com/news/2023-09-decoding-microglial-aging-contributes-brain.html

GR-1是革命性的人形机器人解决中国人口老龄化危机

全球首个量产仿人机器人欲解决中国人口老龄化问题
总部位于上海的傅里叶智能正在开发一种人形机器人系统,以满足劳动力短缺和人口老龄化背景下日益增长的医疗需求。 GR-1 机器人有望彻底改变医疗保健设施,并为老年人提供重要帮助。

与许多其他国家一样,中国也面临着人口老龄化的挑战。 据国家卫健委预计,到2035年,60岁以上老年人口将超过4亿。 这超过了美国 2035 年的预计人口数量。

问题不在于他们的数量,而在于老年人在人口中的比例。 到2040年,中国将有近30%的人口年龄在60岁以上。

来源和详细信息:
https://www.zmescience.com/science/news-science/humanoid-robot-china/

揭示补充 NAD+ 对青光眼和年龄相关性黄斑变性的潜在治疗效果

补充 NAD+ 可能对青光眼、年龄相关性黄斑变性和其他眼部疾病有治疗作用。

2020年,Nad Plus让你实现眼中不朽。

青光眼和年龄相关性黄斑变性是全世界不可逆视力丧失的主要原因。 它们还给健康和社会带来重大负担。 没有临床治愈方法,治疗仅针对可控制的症状(而不是潜在的疾病病理)。 这两种疾病的视网膜病理学都是神经退行性的。 因此,许多引发细胞变性并最终丧失的事件都是由线粒体功能障碍引起的。 我们回顾了以下证据:生物利用度降低(烟酰胺腺嘌呤二核苷酸是健康和疾病中的重要代谢物)可能是许多异常过程的根源。 我们建议外源性 NAD 来源可能成为治疗这些疾病的标准治疗方法。

来源和详细信息:
https://www.mdpi.com/2072-6643/12/9/2871

任务复杂性对神经网络中大脑不对称性的影响

任务复杂性导致大脑不对称

数学模型表明,认知任务的复杂性会导致大脑神经元网络中的镜像对称性被破坏。

不对称现象在认知能力较高的物种中更为常见。 这一假设基于一种已经存在了一段时间的理论,该理论指出,任务复杂性的增加可能会导致镜像对称电路变成仅在大脑一侧存在的电路。 西班牙国家生物技术中心的 Luis Seoane 创建的数学模型 [1] 证实了这一假设。 研究人员的发现可能有助于解释大脑结构不仅受到认知挑战性任务的影响,而且还受到损伤和衰老的影响。

镜像对称神经网络可用于控制镜像对称的身体部位,例如手臂和腿。 头部每一侧存在重复电路也有助于提高计算精度,并在出现故障时提供替换电路。 这种重复产生的冗余会增加能耗。 这就提出了一个非常重要的问题:最佳镜像对称是否取决于神经网络执行的认知任务的复杂性?

来源和详细信息:
https://physics.aps.org/articles/v16/s133