Science子刊：生理年龄可以逆转吗？人工智能老化时钟揭示了新见解

伦敦国王学院的研究人员发现，基于人工智能的衰老时钟使用血液代谢物数据可以预测……

　　

伦敦国王学院的研究人员发现，使用血液代谢物数据的基于人工智能的衰老时钟可以预测健康和寿命，加速衰老与更高的健康风险有关。非线性机器学习算法，尤其是立体回归，是最有效的。

伦敦国王学院精神病学、心理学和神经科学研究所（IoPPN）的研究人员进行了一项详细的研究，以评估基于人工智能的衰老时钟，该时钟通过分析血液数据来估计健康和寿命。

该研究涉及训练和测试17种机器学习算法，使用来自英国生物银行22.5万多名参与者的血液标记物数据，这些参与者在招募时年龄在40岁至69岁之间。研究人员评估了这些代谢组学衰老时钟预测寿命的准确性，以及它们与各种健康和衰老指标的相关性。

代谢组学年龄，被称为“里程”，反映了一个人基于血液代谢物的内部生物年龄——代谢过程中产生的小分子，比如食物转化为能量时产生的小分子。一个人的代谢预测年龄（里程）与实际年龄之间的差异，称为里程增量，表明他们的生物衰老是加速还是减缓。

研究见解和主要发现

这项研究发表在《Science Advances》杂志上，是第一个全面比较不同机器学习算法利用代谢物数据开发生物衰老时钟能力的研究，利用了全球最大的数据集之一。该研究由国家卫生与保健研究所（NIHR）莫兹利生物医学研究中心（BRC）资助，使用了英国生物银行的数据。

平均而言，衰老加速的人（即代谢预测年龄大于实际年龄的人）更虚弱，更容易患慢性病，对健康状况的评价更差，死亡风险更高。他们的端粒（染色体末端的“帽”）也更短，这是细胞衰老的标志，与动脉粥样硬化等与年龄有关的疾病有关。然而，减缓的生物衰老（代谢预测年龄小于实际年龄）与良好的健康只有微弱的联系。

衰老时钟可以帮助发现健康状况下降的早期迹象，在疾病发作之前制定预防策略和干预措施。它们还可以让人们主动跟踪自己的健康状况，做出更好的生活方式选择，并采取措施保持健康更长时间。

专家对老化时钟的看法

Julian Mutz博士是IoPPN的金奖研究员，也是这项研究的主要作者，他说：“代谢组学衰老时钟有可能为我们提供一些见解，让我们了解哪些人在以后的生活中更容易出现健康问题。与不能改变的实足年龄不同，我们的生理年龄是可以改变的。这些时钟为生物医学和健康研究提供了生物年龄的代理测量，可以帮助塑造个人的生活方式选择，并为卫生服务机构实施的预防策略提供信息。我们的研究评估了用于开发衰老时钟的各种机器学习方法，表明非线性算法在捕获衰老信号方面表现最好。”

遗传流行病学与统计学教授、英国国立卫生研究院莫兹利BRC试验、基因组学和预测主题联合副主任、该研究的资深作者Cathryn Lewis教授说：“开发能够准确评估我们生物年龄的衰老时钟具有很大的兴趣。强大的大数据分析可以在推进这些工具方面发挥关键作用。这项研究是确立生物衰老时钟的潜力及其为健康选择提供信息的能力的一个重要里程碑。”

研究人员发现，使用一种特定的机器学习算法（称为Cubist规则回归）开发的代谢组学时钟与大多数健康和衰老标志物的关系最为密切。他们还发现，可以模拟代谢物和年龄之间非线性关系的算法通常在捕捉健康和寿命信息的生物信号方面表现最好。

参考文献：“Metabolomic age (MileAge) predicts health and life span: A comparison of multiple machine learning algorithms” by Julian Mutz, Raquel Iniesta and Cathryn M. Lewis, 18 December 2024, Science Advances.