上海
近日，上海交通大学医学院附属仁济医卜军教授团队联合上海交通大学钱昆教授团队，在Science Translational Medicine上以封面文章发表了题为 Metabolomic aging and mortality clocks based on ensemble learning identify systemic aging risk across the human life span in 18,476 individuals 研究论文。这项综合性研究绘制了中国人群全生命周期代谢图谱，提供了关于衰老对代谢影响的丰富数据，开发了AI驱动的代谢衰老与慢病预测模型，并得出了可用于指导健康监测和疾病预防的临床指标。
衰老是一个极其复杂的过程，科学家开始梳理人体分子通路是如何随年龄增长而变化的。人体的代谢状态并非一成不变，而是随着生长发育、成年和衰老不断发生变化。即使实际年龄相同，不同个体的代谢特征及健康水平也可能存在明显差异。近年来，代谢组学逐渐成为研究人体衰老和疾病发生发展的重要手段。然而，既往研究往往集中于成年人或老年人群，缺乏覆盖全生命周期代谢变化，并追踪各种慢病发生和死亡结局的纵向人群研究。
本研究展示了一项迄今为止最全面的代谢衰老研究之一的结果；该研究涉及来自中国六个临床中心的18,476名参与者，年龄覆盖1至96岁，随访约6年。研究者结合团队自主研发的高通量固相质谱检测与人工智能集成学习方法，系统描绘了从出生至衰老全生命周期的血浆代谢变化特征，筛选出56个代表性年龄相关代谢特征，并进一步揭示相关代谢指标与慢性疾病、全因死亡风险及多病共存负担之间的联系。基于丰富的代谢人群数据和长期纵向随访，团队利用人工智能集成学习技术并整合12种AI模型，开发了一个名为“代谢组年龄加速”（mAA）的指标，旨在量化个体的代谢年龄及代谢状态相对于实际年龄的偏离。随着队列人群年龄的增长，该指标与高血压、脂肪肝、糖尿病等慢性疾病以及全因死亡风险的升高相关。在全因死亡分析中，mAA每增加一个标准差，对应的死亡风险约升高50%。该团队还研究了一个疾病队列，并开发了第二个名为“年龄偏差”的代谢指标；在患有更严重和全身性疾病的患者中该指标的数值会更高。研究团队还开展了纵向代谢检测与生活方式随访，发现代谢纵向变化与生活方式及慢性疾病管控的关联，为健康生活方式及积极慢病管控对代谢衰老的影响提供了进一步线索。
综上，该研究通过整合大规模临床人群、高通量代谢检测和人工智能分析，系统刻画了贯穿全生命周期的血浆代谢特征，并将代谢分子变化与慢性疾病、死亡风险及多病共存等临床结局相联系。研究为深入认识人体发育与衰老的代谢规律、探索基于血液分子信息的健康风险分层及个体化健康管理提供了新的科学依据。这些发现支持将血浆代谢组学作为一种可扩展且可进行临床解读的框架；它可用于疾病预防、早期检测、健康老龄化以及整个生命过程中与衰老相关的异质性研究。研究数据库和模型框架已通过一个网页界面向公众开放（https://pu-lab.sjtu.edu.cn/metsclock）。
论文链接：https://doi.org/10.1126/scitranslmed.adz4815
官网推荐：https://www.eurekalert.org/news-releases/1147430
制版人： 十一
学术合作组织
（*排名不分先后）
战略合作伙伴
（*排名不分先后）
推荐直播
转载须知
【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
BioArt
Med
Plants
人才招聘
点击主页推荐活动
关注更多最新活动！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
