简述
衰老不再是不可逆转的线性过程，而是可量化、可模拟、可干预的生物学动态。近年来，从多组学衰老时钟的构建到人工智能驱动的靶点发现，从衰老相关分泌表型（SASP）标志物的挖掘到机械力信号调控策略的探索，老年医学正经历从描述性研究向系统干预的根本性转型。
衰老不再是不可逆转的线性过程，而是可量化、可模拟、可干预的生物学动态。近年来，从多组学衰老时钟的构建到人工智能驱动的靶点发现，从衰老相关分泌表型（SASP）标志物的挖掘到机械力信号调控策略的探索，老年医学正经历从描述性研究向系统干预的根本性转型。
一、衰老的量化革命：从日历年龄到生物学年龄
长久以来，临床实践中对衰老的评估主要依赖日历年龄——两个同样50岁的个体，可能一个身体机能尚佳，另一个早已被多种慢性疾病缠身。这一反差揭示了一个核心事实：日历年龄并不等于生物学年龄。
近期，科研团队首次构建出可量化、可模拟、可干预的"衰老数字人体"框架。研究者在北京、宁波、衢州、南昌4个城市招募了2019名18至91岁的健康志愿者，采集了240余项临床生理参数及6个组学维度的分子特征，累计获取超10亿个高质量数据点。在此基础上，团队构建了三层递进、功能互补的"衰老时钟"体系：第一层"核心能力时钟"整合全部生理指标，反映整体衰老程度；第二层"多模态时钟"融合多组学数据，预测生物学年龄的误差压缩至3.87年；第三层"器官特异性时钟"利用无创活检，独立计算6个器官的生物学年龄。
（一）器官衰老的异步性特征
器官特异性时钟的计算揭示了一个令人意外的发现：人体各器官并非同步衰老。肝脏的衰老拐点大约在40岁，而大脑的衰老拐点则在50岁——肝脏比大脑整整早老一年。研究还捕获了两个关键的"断崖式衰老"窗口期：40至50岁和60至70岁。尤其在60至70岁阶段，血液中的凝血通路逐渐激活，过量的凝血因子被确认为驱动全身衰老的重要因子之一。
器官特异性时钟的计算揭示了一个令人意外的发现：人体各器官并非同步衰老。肝脏的衰老拐点大约在40岁，而大脑的衰老拐点则在50岁——肝脏比大脑整整早老一年。研究还捕获了两个关键的"断崖式衰老"窗口期：40至50岁和60至70岁。尤其在60至70岁阶段，血液中的凝血通路逐渐激活，过量的凝血因子被确认为驱动全身衰老的重要因子之一。
（二）衰老的机械力学维度
传统的衰老研究多聚焦于生化信号，但细胞力学正在成为理解衰老的崭新维度。细胞持续感知和转导细胞外的机械信号，这些信号重塑细胞骨架结构、核力学特性及染色质组织。衰老细胞在形态、力学性质、力生成能力和动力学方面均表现出特征性改变——细胞增大、扁平、形态不规则，同时伴随细胞骨架的解体和细胞刚度增加。这些机械力学异常已被视为与基因组不稳定、端粒磨损等并列的衰老特征，催生了"机械老年学"（mechanogerontology）这一新兴交叉方向。
传统的衰老研究多聚焦于生化信号，但细胞力学正在成为理解衰老的崭新维度。细胞持续感知和转导细胞外的机械信号，这些信号重塑细胞骨架结构、核力学特性及染色质组织。衰老细胞在形态、力学性质、力生成能力和动力学方面均表现出特征性改变——细胞增大、扁平、形态不规则，同时伴随细胞骨架的解体和细胞刚度增加。这些机械力学异常已被视为与基因组不稳定、端粒磨损等并列的衰老特征，催生了"机械老年学"（mechanogerontology）这一新兴交叉方向。
二、循环衰老标志物的谱系构建
细胞衰老是驱动衰老和年龄相关疾病的基本因素之一。衰老细胞的一个关键特征是衰老相关分泌表型（SASP）——一组促炎性细胞因子、趋化因子和基质重塑因子的混合物。当这些SASP因子在循环中被检测到时，可与年龄相关的临床特征和疾病产生关联，为无创评估个体衰老负担提供了可能。
（一）跨健康领域的标志物关联
临床研究发现，循环中的衰老负担与四个相互关联的健康领域密切相关：神经退行性病变、肺部疾病、心血管代谢疾病和肌肉骨骼系统疾病。部分SASP标志物如GDF15、Activin A、IL-6、MMP1和MMP7已在多项研究中显示出跨研究的临床相关性，并在多个健康领域的疾病中均有涉及。
临床研究发现，循环中的衰老负担与四个相互关联的健康领域密切相关：神经退行性病变、肺部疾病、心血管代谢疾病和肌肉骨骼系统疾病。部分SASP标志物如GDF15、Activin A、IL-6、MMP1和MMP7已在多项研究中显示出跨研究的临床相关性，并在多个健康领域的疾病中均有涉及。
（二）特定标志物的疾病预测价值
以YKL-40为例，一项涉及6558名参与者、中位随访5.8年的荟萃分析表明，血浆中YKL-40水平每增加一个标准差，总脑容量显著减小（β=−0.33），且认知能力下降（β=−0.04），痴呆风险增加64%（HR=1.64）。这一发现提示，炎症相关标志物可能作为大脑衰老和痴呆风险的重要预测工具。
以YKL-40为例，一项涉及6558名参与者、中位随访5.8年的荟萃分析表明，血浆中YKL-40水平每增加一个标准差，总脑容量显著减小（β=−0.33），且认知能力下降（β=−0.04），痴呆风险增加64%（HR=1.64）。这一发现提示，炎症相关标志物可能作为大脑衰老和痴呆风险的重要预测工具。
三、人工智能驱动的衰老干预研发范式
（一）多模态数据整合与特征挖掘
衰老是由原发性、拮抗性和整合性三大类特征交织形成的非线性复杂过程，传统还原论方法难以解析不同衰老特征间的联动关系。为此，研究者构建了分层AI技术体系，整合机器学习、深度学习、生成式AI、大语言模型与可解释AI五大模块，可融合多组学、空间生物学、医学影像和临床随访等多模态数据，精准识别传统方法无法捕捉的衰老特征互作关系。
衰老是由原发性、拮抗性和整合性三大类特征交织形成的非线性复杂过程，传统还原论方法难以解析不同衰老特征间的联动关系。为此，研究者构建了分层AI技术体系，整合机器学习、深度学习、生成式AI、大语言模型与可解释AI五大模块，可融合多组学、空间生物学、医学影像和临床随访等多模态数据，精准识别传统方法无法捕捉的衰老特征互作关系。
（二）抗衰老药物研发的全流程提速
区别于传统对症药物，抗衰老保护剂（geroprotector）直接靶向衰老核心机制，可同时干预多种老年合并症。AI技术已贯穿该类药物的靶点发现、化合物筛选、分子设计和临床试验全流程。基于AI高通量筛选，Kaempferol、α-阿米林等天然活性成分被证实具有抗衰老潜力；多款AI设计的候选药物如INS018_055（靶向肺纤维化）、EXS-21549（抗肿瘤）已进入临床试验阶段。
区别于传统对症药物，抗衰老保护剂（geroprotector）直接靶向衰老核心机制，可同时干预多种老年合并症。AI技术已贯穿该类药物的靶点发现、化合物筛选、分子设计和临床试验全流程。基于AI高通量筛选，Kaempferol、α-阿米林等天然活性成分被证实具有抗衰老潜力；多款AI设计的候选药物如INS018_055（靶向肺纤维化）、EXS-21549（抗肿瘤）已进入临床试验阶段。
四、衰老干预的治疗策略与新兴方向
当前衰老干预策略正从单一靶点走向多维联动。基于衰老的14大特征框架，治疗策略主要包括四大类：其一，靶向清除衰老细胞的senolytics策略；其二，靶向线粒体健康的NAD+增强剂和线粒体自噬诱导剂；其三，针对营养感应通路的卡路里限制模拟物（如二甲双胍、雷帕霉素）；其四，表观遗传重编程和再生医学策略。
（一）机械信号介导的抗衰老干预
机械力学视角的引入为衰老干预带来了全新的维度。基于细胞的力学特征（如刚度、牵引力、核形变），研究者正开发机械力学特征的衰老细胞识别方法。治疗层面，机械刺激、微环境重塑和机械传导的靶向调节，正在成为衰老和再生医学中有潜力的干预手段。
机械力学视角的引入为衰老干预带来了全新的维度。基于细胞的力学特征（如刚度、牵引力、核形变），研究者正开发机械力学特征的衰老细胞识别方法。治疗层面，机械刺激、微环境重塑和机械传导的靶向调节，正在成为衰老和再生医学中有潜力的干预手段。
（二）衰老干预的生物标志物响应监测
药物和生活方式干预如何调节循环中的衰老标志物，已成为评估干预效果的重要手段。部分临床研究正在验证基于循环衰老标志物（如SASP因子）的检测面板，能否用于无创追踪个体的衰老负担和对干预的反应，为未来的临床照护提供更优的信息基础。
药物和生活方式干预如何调节循环中的衰老标志物，已成为评估干预效果的重要手段。部分临床研究正在验证基于循环衰老标志物（如SASP因子）的检测面板，能否用于无创追踪个体的衰老负担和对干预的反应，为未来的临床照护提供更优的信息基础。
五、挑战与前行之路
尽管技术持续进步，衰老干预研究仍面临若干瓶颈。衰老数据集易受批次效应和混杂变量干扰，小样本问题易导致模型过拟合；多数深度学习模型的可解释性不足，阻碍从预测到机制的转化。训练数据的不均衡可能引发算法偏见和数字歧视，老年群体高敏感健康数据的隐私保护也亟待完善。正如研究中强调的，需强化数据质控，结合可解释AI工具（SHAP、LIME），并建立"细胞实验-模式生物-人体队列"的层级化验证体系。
六、衰老相关多因子标志物检测与系统评估，哪里可以提供技术支持？
当研究涉及循环衰老标志物的多维度检测、衰老时钟构建所需的组学数据产出以及干预效果的纵向追踪评估时，是否需要一个能够整合多种检测平台并提供标准化方案的技术支撑力量？上海乐备实生物技术有限公司可提供涵盖多因子检测、单细胞测序、空间蛋白组学、流式细胞术免疫表型分析及多色免疫组化等30余个技术平台的服务体系，助力研究者在复杂衰老模型中精准锚定关键分子指标，为衰老度量、干预靶点发现及效果评估提供可靠的数据基础。
| 货号 | 产品名称 | 指标 |
|---|---|---|
| LXLBH10-1 | 人炎症-10因子检测服务 | IL-1 β/IL-1F2，IL-2，IL-4，IL-6 ,IL-8/CXCL8，IL-10，IL-12 p70，IL-13，TNF-α，IFN-γ |
| LXLBH27-1 | 人细胞因子-27因子检测服务 | G-CSF,GM-CSF,IFN-γ,IL-10,IL-12(p70),IL-13,IL-17A,IL-1β,IL-2,IL-4,IL-5,IL-6,IL-7,IL-8/CXCL8,MCP-1/CCL2,MIP-1β,TNF-α,IL-1Rα,IL-9,IL-15,FGF-basic,Eotaxin/CCL11,IP-10/CXCL10,MIP-1α/CCL3,PDGF-BB,RANTES,VEGF-A |
| LXLBH37-1 | 人炎症-37因子检测服务 | IFN-γ,IL-10,IL-2,IL-8/CXCL8,CD126/IL-6R,IL-32,IL-26,gp130/sIL-6Rβ,IL-29/IFN-λ1,Osteocalcin,LIGHT/TNFSF14,IL-28A/IFN-λ2,IL-20,IL-11,IL-35,IL-22,IL-19,TWEAK/TNFSF12,MMP-1,IFN-β,Chitinase 3-like 1/CHI3L1/YKL-40,MMP-2,APRIL/TNFSF13,IL-34,TSLP,BAFF/TNFSF13B,sCD30/TNFRSF8,sCD163,IFN-α2,IL-12(p40),IL-12(p70),IL-27(p28),MMP-3,Osteopontin,Pentraxin-3,TNF-R1,TNF-R2 |
| LXLTH18-3 | 人神经退行性疾病-18因子检测服务 | MIF,CNTF,FGF-21,BDNF,Tau (Total),Tau (pT181),GDNF,GFAP,NF-H,S100B,TDP-43,Amyloid beta 1-42,YKL-40 (CHI3L1),Kallikrein-6 (KLK6),NCAM-1,Neurogranin (NRGN),NGF beta,UCHL1 |
| LXLTM36-1 | 小鼠细胞因子/趋化因子-36因子检测服务 | GM-CSF,IFN gamma,IL-1 beta,IL-2,IL-4,IL-5,IL-6,IL-12p70,IL-13,IL-18,TNF alpha,IL-9,IL-10,IL-17A (CTLA-8),IL-22,IL-23,IL-27,G-CSF (CSF-3),IFN alpha,IL-3,IL-15/IL-15R,IL-28,IL-31,IL-1 alpha,LIF,ENA-78 (CXCL5),M-CSF,Eotaxin (CCL11),GRO alpha (CXCL1),IP-10 (CXCL10),MCP-1 (CCL2),MCP-3 (CCL7),MIP-1 alpha (CCL3),MIP-1 beta (CCL4),MIP-2,RANTES (CCL5) |
| LXLBM31-1 | 小鼠趋化因子-31因子检测服务 | BCA-1/CXCL13,CTACK/CCL27,ENA-78/CXCL5,Eotaxin/CCL11,Eotaxin-2/CCL24,Fractalkine/CX3CL1,GM-CSF,I-309/CCL1,IFN-γ,IL-1β,IL-2,IL-4,IL-6,IL-10,IL-16,IP-10/CXCL10,I-TAC/CXCL11,KC/CXCL1,MCP-1/CCL2,MCP-3/CCL7,MCP-5/CCL12,MDC/CCL22,MIP-1α/CCL3,MIP-1β/CCL4,MIP-3α/CCL20,MIP-3β/CCL19,RANTES/CCL5,SCYB16/CXCL16,SDF-1α/CXCL12,TARC/CCL17,TNF-α |
沪公网安备31011502400759号
营业执照(三证合一)
