上海交通大学卜军/钱昆团队开发AI大数据驱动的代谢衰老测量和慢病预警技术

yinfuhua

Science子刊：封面！一滴血浆里的“衰老指针”，上海交通大学卜军/钱昆团队开发AI大数据驱动的代谢衰老测量和慢病预警技术3 ?- e( i  V* h0 A
1.        进行性功能衰退
; h, k- o. {( q2.        纳米辅助激光解吸/电离质谱（LDI-MS）
8 N+ Y9 h, \, ^3.        血浆代谢组学4 y! a/ u+ |6 |+ Z) v
4.        衰老
9 A, \- E7 V. ?2 C来源：iNature 2026-11-03 09:50& T7 a4 E2 E$ @) s$ f
这些发现支持血浆代谢组学分析作为一种可扩展、全生命周期方法的潜力，用于推导与健康状况、慢性疾病风险和死亡率相关的临床可解释代谢组学衰老指标。! v; z# Z7 ~! Q$ g9 |: u
衰老以进行性功能衰退为特征，然而跨人类生命周期的代谢组学特征仍不完全明确。/ H0 \( P* c: {* v+ x7 w
2026年10月14日，上海交通大学卜军及钱昆团队合作在Science Translational Medicine在线以封面的形式发表题为Metabolomic aging and mortality clocks based on ensemble learning identify systemic aging risk across the human life span in 18,476 individuals的研究论文。+ E7 |6 l+ @+ j
该研究使用纳米辅助激光解吸/电离质谱（LDI-MS）分析了来自中国六个中心18,476名1至96岁参与者的血浆代谢组，并鉴定出56种代表性年龄相关代谢物。在健康队列中，作者开发了一个堆叠集成模型来估计代谢组学年龄，并量化代谢组学年龄加速（mAA）为每个个体相对于实际年龄的偏差。
+ k2 Z7 t/ S5 H4 K2 t) ]# b较高的mAA与健康恶化和不利生活方式相关。在2019年至2025年的随访期间，mAA加速的个体表现出 incident 慢性疾病风险增加，如脂肪肝病、高血压和糖尿病，以及全因死亡率增加。在疾病队列中，作者进一步开发了一个死亡关联代谢组学指标（年龄偏差），其量化个体相对于从血浆代谢物推断的年龄预期死亡风险的偏离。年龄偏差与已确立的综合健康指标相关，并随多系统疾病受累和更高多病负担而增加。, X2 T  y" D5 r8 [$ ~- w4 Z, l
总之，这些发现支持血浆代谢组学分析作为一种可扩展、全生命周期方法的潜力，用于推导与健康状况、慢性疾病风险和死亡率相关的临床可解释代谢组学衰老指标。
1 x# z) m- ]" X" {7 [6 G1 H! h 9 B+ v6 ?9 S/ K) E
衰老是一个复杂的生物学过程，涉及细胞、组织和器官系统中进行性分子和功能衰退，并且是慢性疾病和死亡风险的主要驱动因素。衰老研究中的一个核心挑战是使用既可扩展又具有生物学可解释性的指标来量化生物衰老的个体间异质性。生物衰老时钟已从多种分子和临床生物标志物中开发出来。2 Q+ c( x! k4 u- M2 e' L
基于DNA甲基化的表观基因组时钟提供稳定的调控信号并能够实现准确的年龄追踪，但对当前生理状态的反应性较低。蛋白质组时钟提供对器官水平功能障碍的全身性见解，但其更广泛的应用可能受到测定复杂性和有限可扩展性的限制。
$ j8 G+ D7 ], w) ^4 j- `- V代谢组提供个体生理状态的功能近端和暴露敏感读数。作为生化通路的终产物，代谢物整合遗传变异、持续生理调节、病理扰动和环境暴露的下游效应。因此，代谢组学非常适合反映生物衰老、环境暴露和行为对年龄相关表型变异的综合效应。特别是，高通量代谢组学分析平台的最新进展使得能够可扩展地表征年龄相关代谢组学模式，并可能支持生物衰老研究中的群体水平应用。
* q2 A0 t' n! t/ ~ 7 c8 v' N5 a& W3 Q' Y4 A/ ^
图1.18476名参与者代谢组学衰老指标的研究设计和分析工作流程（摘自Science Translational Medicine）
- F! J7 J% ]2 p6 J9 V2 r一些代谢组学衰老时钟已被开发用于预测实际年龄并推导年龄调整偏差指标。先前的研究表明，代谢物谱可以捕获年龄相关模式以及与健康状况和不良结局相关的生物学有意义差异。这些努力通过代表性代谢组学时钟如MetaboAge和MileAge进一步扩展。, M7 i) U4 f- ~5 h3 |
同时，其他研究已对生存或疾病相关终点建模，以生成风险相关代谢组学评分。例如，MetaboHealth和MetaboAgeMort直接基于死亡结局训练，并显示与疾病负担和不良健康结局的关联。这些研究突出代谢组学在量化生物衰老方面的前景。
( g0 m1 j2 c6 a/ y   H2 S, ^$ e# G9 D8 O3 X2 t: ]
代谢产物的滴答声。封面插图中，一名男子骑着自行车进行日常活动，远处时钟的影子正悄然浮现。为研究与衰老相关的隐藏分子模式，该研究对来自不同年龄段、并有长期随访的超过18,000名个体进行了血浆代谢组学分析。5 d, X9 Y2 X5 Y8 i1 L- T
大样本量和多队列结构使得研究人员能够识别出与健康个体代谢年龄加速相关的化合物，以及与多种疾病死亡风险相关的代谢物。这项研究为探究衰老相关的代谢变化及健康风险提供了宝贵的资源（摘自Science Translational Medicine ）。
2 T6 b7 Y# L6 r然而，跨全人类生命周期的大规模血浆代谢组学研究仍然稀缺，特别是那些包括生命早期参与者和纵向随访的研究。此外，传统代谢组学分析平台（例如核磁共振和液相色谱-串联质谱）由于采集时间长、通量低和工作流程复杂，对大队列中的快速分析提出实际挑战。此外，大多数现有代谢组学时钟主要依赖单一建模策略，这可能限制其在异质群体中的稳健性。
9 S. F' v+ D- }4 e) Z在本研究中，作者建立了一个大规模、多中心血浆代谢组学数据集，包含来自中国六个临床中心的18,476名1至96岁参与者。作者旨在通过将高通量纳米辅助激光解吸/电离质谱分析与多算法集成学习相结合，表征跨人类生命周期的血浆代谢组学衰老，并开发临床可解释指标以评估与生活方式因素、慢性疾病、多病和死亡率的关联。4 N2 H6 R9 `2 B9 ?+ s
参考消息：https://www.science.org/doi/10.1126/scitranslmed.adz4815
% K* ]& b" Z4 D8 [
4 }- a6 j9 M: |1 Z