编辑推荐：
在人口老龄化加剧的背景下，为探究健康社会决定因素（SDOH）对衰老的影响，研究人员构建 SDOHAge 模型。结果显示该模型预测衰老相关疾病更精准，还明确了相关基因和生活方式因素。这为抗衰策略提供新思路，助力衰老研究和健康监测。
随着全球人口老龄化问题日益严峻，老年人健康难题增多，对社会资源的需求也不断增大。在衰老相关疾病的风险因素中，遗传因素占比有限，环境因素尤其是健康社会决定因素（SDOH）对衰老的影响愈发受到关注。然而，当前人类年龄预测模型多聚焦生物和遗传因素，忽略了 SDOH，导致预测不够准确。为了填补这一研究空白，探究 SDOH 对衰老的影响以及能否通过纳入 SDOH 提高衰老相关疾病风险的预测能力，研究人员开展了此项研究，相关成果发表在《Computational and Structural Biotechnology Reports》上。
研究人员利用英国生物银行（UK Biobank）中 343,550 名白人参与者的综合数据集，包括生化数据、身体测量数据和 10 个特定的 SDOH 变量，构建了基于深度神经网络的年龄预测模型 SDOHAge，并分别针对男性和女性进行建模。研究中用到的主要关键技术方法包括：首先，对数据进行处理，采用多次插补处理缺失率低于 15% 的指标，运用 Boruta 算法和递归特征消除筛选相关指标；其次，构建基于神经网络架构的年龄预测模型，包括 SDOHAge 和未纳入 SDOH 的 noSDOHAge 模型，并进行标准化和分层 10 折交叉验证；再者，使用 Cox 比例风险回归评估 ΔAge 与衰老相关疾病发病率的关联；此外，还进行了全基因组关联研究（GWAS）、基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析、双向孟德尔随机化分析等。
在参与者和特征选择方面，研究最终纳入 343,550 名 40 - 70 岁的白人参与者。经特征选择，模型纳入多种变量，且男女模型有差异。通过 SHAP 解释模型发现，多种物理测量指标、生化指标和 SDOH 指标与年龄相关。
年龄预测和疾病统计结果显示，不同模型预测的年龄和 ΔAge 存在差异，SDOHAge、noSDOHAge 和 PhenoAge 呈现年龄减速，KDM - BA 保持中性。在 10 种衰老相关疾病中，高血压最为常见，且男女患病情况有别。
在 ΔAge 与衰老相关疾病发病率的关联研究中，以 ΔAge 为主要指标构建 Cox 比例风险模型，发现衰老相关疾病发病率随 ΔAge 上升而增加。SDOHAge 模型在预测男性 7 种、女性 8 种疾病时表现最佳，其 C - index 更高，预测准确性更强。
通过 GWAS 分析 ΔAge 的潜在遗传决定因素，在男性和女性中分别鉴定出 6 个和 77 个显著 SNP 位点，相关基因涉及 UGT1A 基因家族、CST 基因家族等多个家族。GO 和 KEGG 富集分析表明，ΔAge 相关基因在免疫反应、代谢过程等多种生物过程和途径中显著富集。
双向孟德尔随机化分析因果关系发现，ΔAge 与多种疾病存在因果关联。当 ΔAge 作为暴露因素时，与多种疾病风险增加相关；当 ΔAge 作为结果时，多种疾病又与 ΔAge 存在因果关系，表明衰老与疾病可能形成恶性循环。
在 ΔAge 与生活方式的关联研究中，选取 SDOHAge 模型中 ΔAge 值最高和最低的 10% 人群，分析 25 种生活方式因素差异。结果显示，吸烟、过量饮酒、久坐、高频率食用加工肉和部分肉类与加速衰老相关；而食用较多的蔬菜、水果、谷物、油性鱼，适度饮茶和咖啡，适量运动，适当暴露于紫外线和做好防护则与延缓衰老有关。
研究结论表明，SDOHAge 模型在纳入 SDOH 后，预测衰老相关疾病的能力优于未纳入该因素的模型。这一模型揭示了 SDOH 对衰老过程的显著影响，为开发有效的抗衰老策略提供了新的方向。同时，研究还强调了遗传易感性与环境影响在衰老过程中的复杂相互作用，提示在制定针对性干预措施促进健康衰老时，需要综合考虑遗传和环境因素。不过，该研究也存在一定局限性，如参与者仅为白人、年龄范围有限、生活方式分析依赖横断面数据以及问卷数据存在报告偏差等。未来研究可针对这些不足加以改进，进一步深入探索衰老的奥秘，为提高老年人健康水平提供更有力的支持。
