基于血液甲基化组学的多系统衰老异质性量化：11项生理系统衰老时钟与亚型解析

来自Sehgal等的研究团队开发了"系统年龄"框架，通过单次血液DNA甲基化检测量化11个生理系统（心、肺、肾、肝等）的衰老异质性。该研究整合监督/无监督机器学习与临床指标，创建了超越传统表观遗传时钟的系统特异性评分，并鉴定出具有独特疾病风险的衰老亚型，为个性化抗衰干预提供新范式。

　　

这项突破性研究揭示了衰老进程在个体内不同生理系统间的显著差异。传统表观遗传时钟(Epigenetic clocks)只能提供单一年龄估计值，而新开发的"系统年龄"(Systems Age)框架通过血液DNA甲基化(DNA methylation)数据，首次实现对心脏、肺脏、肾脏等11个生理系统衰老程度的精准量化。

研究团队巧妙结合监督学习(Supervised learning)与无监督学习(Unsupervised learning)算法，整合临床生物标志物(biomarkers)、功能评估和死亡风险数据，构建出针对各生理系统的特异性衰老评分。这些系统特异性评分在预测相关疾病和衰老表型方面，显著优于现有的全局衰老时钟。

值得注意的是，该研究还创建了综合性的"系统年龄"评分(Systems Age score)，可全面反映多系统衰老状态。通过聚类分析发现的衰老亚型(aging subtypes)，每种都对应独特的健康衰退模式和疾病风险特征。这项创新为个性化监测和靶向干预特定系统的衰老过程提供了重要工具，标志着精准抗衰(precision aging)研究迈入新阶段。