這個(gè)生理年齡預(yù)測模型發(fā)現(xiàn)，對(duì)生理年齡影響最大的因素的前20個(gè)因素大部分與氮代謝（例如，肌酐和尿代謝物），碳代謝（糖化血紅蛋白、甘油三酯、葡萄糖）和肝功能（例如白蛋白、丙氨酸轉(zhuǎn)氨酶（ALT）、谷氨酰轉(zhuǎn)移酶（GGT）有關(guān)。

有趣的是，這個(gè)人工智能模型所篩選出來的影響生理年齡的因素與時(shí)光派一直推崇的五維衰老檢測（代謝衰老、免疫與炎性衰老、細(xì)胞衰老、器官衰老、表型衰老）剛好有重疊。

AI所篩選出來的碳代謝、氮代謝指標(biāo)與我們所提出的代謝衰老都說明了糖脂代謝紊亂、營養(yǎng)感知失調(diào)會(huì)加速衰老甚至引起代謝疾病，如Ⅱ型糖尿病、心臟病等。而白蛋白、ALT、GGT、尿肌酐、堿性磷酸酶等肝、腎功能相關(guān)的指標(biāo)也說明了器官的健康狀況切實(shí)影響著生理年齡。

另外，該研究還發(fā)現(xiàn)，在不同的年齡階段影響生理年齡的主要因素不同。其中糖化血紅蛋白、血尿氮素、平均細(xì)胞體積和尿肌酐在各個(gè)年齡階段都顯著影響著生理年齡，而堿性磷酸酶在12-18歲，丙氨酸轉(zhuǎn)移酶（ALT）和膽固醇在20-40歲，淋巴細(xì)胞數(shù)量和葉酸在60歲及以上對(duì)生理年齡影響更大。

圖注：在不同實(shí)際年齡時(shí)，生理指標(biāo)對(duì)個(gè)性化生理年齡的影響程度，其中影響程度越大顏色越淺。橫軸為實(shí)際年齡，縱軸為生理指標(biāo)。

研究團(tuán)隊(duì)用部分生理指標(biāo)對(duì)個(gè)性化生理年齡預(yù)測的模型進(jìn)行了解釋。發(fā)現(xiàn)生理年齡的增加與高水平的糖化血紅蛋白、血尿素氮、平均細(xì)胞體積、膽固醇、甘油三酯、紅細(xì)胞分布寬度和低水平的尿肌酐、磷有關(guān)。

圖注：部分生理指標(biāo)對(duì)個(gè)性化生理年齡的影響。橫軸為生理指標(biāo)（依次為糖化血紅蛋白、尿肌酐、血尿素氮、平均細(xì)胞體積、膽固醇、甘油三酯、紅細(xì)胞分布寬度、磷）；縱軸表示對(duì)個(gè)性化生理年齡的影響，負(fù)值為降低生理年齡，正值為增加生理年齡；圖中點(diǎn)的顏色表示實(shí)際年齡。

無獨(dú)有偶，在其他研究中也發(fā)現(xiàn)了葡萄糖、血尿素氮、肌酐、膽固醇含量的升高與早期心血管衰老密切相關(guān)[2]。可以說這個(gè)AI生理年齡預(yù)測模型不用實(shí)驗(yàn)和醫(yī)學(xué)知識(shí)積累，僅靠大量數(shù)據(jù)就得出了其他衰老研究相似的結(jié)論。

AI算法預(yù)測生理年齡，亮點(diǎn)在哪？

就像實(shí)際年齡的計(jì)算需要以紀(jì)年法為基礎(chǔ)一樣，生理年齡的測量也需要工具，目前研究最多的工具是表觀遺傳時(shí)鐘。

最早的表觀遺傳時(shí)鐘是發(fā)源于對(duì)DNA甲基化模式的觀察，后續(xù)發(fā)展出的生理時(shí)鐘可以分為兩代[3]。第一代時(shí)鐘最常用的是Hannum的血液特異性時(shí)鐘[4]和Horvath的泛組織時(shí)鐘[5]，它們只能表現(xiàn)出與生理失調(diào)的微弱關(guān)聯(lián)。

第二代表觀遺傳時(shí)鐘以PhenoAge[6]和GrimAge[7]為代表，能夠?qū)NA甲基化與疾病發(fā)病率和死亡率關(guān)聯(lián)起來，在預(yù)測疾病和壽命中優(yōu)于第一代時(shí)鐘。

圖注：AI預(yù)測生理年齡

而這篇發(fā)表在Aging Cell上的文章對(duì)生理年齡的預(yù)測與以往的表觀遺傳時(shí)鐘大不相同，他基于大量人群的健康數(shù)據(jù)（60322個(gè)樣本），用機(jī)器學(xué)習(xí)算法訓(xùn)練出一個(gè)可以預(yù)測個(gè)性化生理年齡（PPA）的模型，并且通過驗(yàn)證發(fā)現(xiàn)PPA可以預(yù)測死亡率和慢性病的危險(xiǎn)因素。

這個(gè)生理年齡的預(yù)測方法不僅脫離了DNA甲基化數(shù)據(jù)（這意味著可以省下做基因檢測的成本），而且采用了可解釋的人工智能框架。這對(duì)于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法在醫(yī)學(xué)領(lǐng)域的應(yīng)用來說都是一個(gè)不小的進(jìn)步。

時(shí)光派點(diǎn)評(píng)

最后，派派大膽暢想，未來的人工智能將實(shí)現(xiàn)，只要提供一份醫(yī)院的生化檢測報(bào)告，就能自動(dòng)計(jì)算出我的生理年齡，并且能告訴我損害生理年齡的指標(biāo)和調(diào)節(jié)該指標(biāo)的方法。不需要昂貴的基因檢測、端粒檢測等項(xiàng)目，也不需要找費(fèi)時(shí)費(fèi)力咨詢專家，在家就能實(shí)現(xiàn)生理年齡的測量和個(gè)性化抗衰方案的制定。到那時(shí)，抗衰延壽將不再只是富豪的追求，也是普通人能承受的延長健康的方式。

——TIMEPIE——

這里是只做最硬核續(xù)命學(xué)研究的時(shí)光派，專注“長壽科技”科普。日以繼夜翻閱文獻(xiàn)撰稿只為給你帶來最新、最全前沿抗衰資訊，歡迎評(píng)論區(qū)留下你的觀點(diǎn)和疑惑；日更動(dòng)力源自你的關(guān)注與分享，抗衰路上與你并肩同行！

參考文獻(xiàn)

[1] Bernard D, Doumard E, Ader I, et al. Explainable machine learning framework to predict personalized physiological aging [published online ahead of print, 2023 Jun 10]. Aging Cell. 2023;e13872. doi:10.1111/acel.13872

[2] K?l?? A, Baydar O, El?ik D, Apayd?n Z, Can MM. Role of dyslipidemia in early vascular aging syndrome. Turk J Med Sci. 2021;51(2):727-734. Published 2021 Apr 30. doi:10.3906/sag-2008-165

[3] McCrory C, Fiorito G, Hernandez B, et al. GrimAge Outperforms Other Epigenetic Clocks in the Prediction of Age-Related Clinical Phenotypes and All-Cause Mortality. J Gerontol A Biol Sci Med Sci. 2021;76(5):741-749. doi:10.1093/gerona/glaa286

[4] Hannum G, Guinney J, Zhao L, et al.. Genome-wide methylation profiles reveal quantitative views of human aging rates. Mol Cell. 2013;49:359–367. doi: 10.1016/j.molcel.2012.10.016

[5] Horvath S. DNA methylation age of human tissues and cell types. Genome Biol. 2013;14:R115. doi: 10.1186/gb-2013-14-10-r115

[6] Levine ME, Lu AT, Quach A, et al.. An epigenetic biomarker of aging for lifespan and healthspan. Aging (Albany NY). 2018;10:573–591. doi: 10.18632/aging.101414

[7] Lu AT, Quach A, Wilson JG, et al.. DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging (Albany NY). 2019;11:303–327. doi: 10.18632/aging.101684

標(biāo)簽：健康人工智能AI長壽抗衰老生理年齡