Nature子刊：痴呆症难预魔咒终打破，血液检测透露你的衰老动向

导读

作为一名合格的“抗衰达人”，怎能不对日新月异的延寿科技了如指掌？

关注时光派#追新速递专栏，这里收录最新鲜的延寿资讯，带你第一时间链接全球前沿长寿科技动向。

清晨起床，走到镜子前，你是否相信，也许你比镜像里的自己更年轻？对于个体而言，你究竟有多老，还得看皮囊之下的生理年龄。

近期，发表于《Nature》子刊的一项研究指出，对普通人群而言，仅需简单抽点血，就能知道生理年龄，进而预测未来寿命及多种疾病风险，关注一种名为神经丝轻链（NfL）的指标，即可知晓健康老人未来痴呆症发病率[1]，打破了痴呆症难预难测的魔咒。

图注：该研究全文于2021年8月5日在杂志《Scientific Reports》上刊登

研究亮点：优化生理年龄专属算法

生理年龄能衡量生物老化过程的进展[2]，但如何精确计算它却一直是个老大难问题。当前算法依赖于实际年龄开发，得到的结果也受其干扰，并非是准确的生理年龄[3]。

2018年，加州大学一项研究在甲基化时钟基础上，结合血液标志物复合临床测试，提出表型甲基化年龄[4]。在此基础上，本次样本范围扩大至健康的高龄老人[5]，并持续优化、开发出独立于实际年龄、更好预测神经系统疾病的算法：BioAge1与BioAge2。

具体来看，BioAge1模型包括C反应蛋白（CRP）、碱性磷酸酶、白细胞计数等九项生物标志物指标，而BioAge2在此基础上增加了4类神经系统退行性标志物，包括血浆神经丝轻链水平（NfL）、总tau蛋白与淀粉样蛋白-40及-42。

图注：BioAge1算法中纳入的所有生理生物标志物

改良算法可预测衰老动向，

NfL卫冕最佳神经系统标志物

BioAge1和BioAge2不负众望，都很好预测了受试者的衰老走向，它们共同指出生理年龄每增长一年，全因死亡风险增加11%，多种疾病的首次发病风险平均增加7%。

图注：BioAge1（左图）、BioAge2（右图）与发病率或全因死亡率风险的关联

不仅摆脱了实际年龄的束缚，在校正性别等协变量因素后，可以看出，这套算法能非常有效的预测死亡率风险。

图注：BioAge1（上图）、BioAge2（下图）与死亡率风险关联

更令人振奋的是，以往让学界束手无策、难预难防的痴呆症居然也得到很好预测，尤其在纳入NfL的BioAge2模型中（其他3类标志物无显著关联），神经系统衰老得到了更精准的指示。

这一结果也遥相呼应了今年6月同样刊登在《Nature》子刊的另一篇重磅研究：只需测试NfL一个指标，就能确认神经退行性疾病存在，准确度可达90%以上[6]。

看来NfL作为神经轴突损伤标志物[7]，可以说是预测神经系统变化的不二佳选，这最佳标志物的名头丝毫不虚。

文末思考：你今年多大了？

随着对人体衰老的认知加深，我们已经逐渐意识到，表示时间流逝的实际年龄，对预测衰老并无过多参考价值。既不能很好预测寿命长度，也无法告诉你未来哪种疾病会到来。相比之下，身体内流淌的血液中倒是隐藏了不少密码。

本次试验最后还测试了不同老人的血浆microRNA（miRNA）代谢情况，发现某一时刻机体内的miRNA其实更多与生理年龄关联。这无疑说明，生理年龄能更好指示机体的代谢变化，像是干细胞重编程[8]或细胞增殖[9]过程等。

当然，在与其他算法的比较下，本次优化后的算法更加精准，具有更好的关联效果。至此，本次研究圆满收官。

图注：除去交集部分，本次研究改良后的BioAge算法与血浆miRNA水平有最好关联度（蓝色部分）

时光派点评

“宜未雨而绸缪，毋临渴而掘井”，对待抗衰更应如此。大多衰老相关疾病深谙“潜伏之道”，从发生到真正“浮出水面”，可能需要漫长的数年时间。

衰老避无可避，永生尚且很难，难道我们只能坐以待毙？答案自然是否定，通过这次研究，我们惊喜发现仅需抽点血，便能清晰掌握机体衰老状况，预测未来多种疾病发生概率，堪比穿梭时光隧道，与几十年后的自己对话。

真希望这项技术能早日走近千家万户，帮助更多人拥有长寿健康的未来。

—— TIMEPIE ——

参考文献

[1] Wu, J.W., Yaqub, A., Ma, Y. et al. Biological age in healthy elderly predicts aging-related diseases including dementia. Sci Rep 11, 15929 (2021). https://doi.org/10.1038/s41598-021-95425-5

[2] Jazwinski, S. M., & Kim, S. (2019). Examination of the Dimensions of Biological Age. Frontiers in genetics, 10, 263. https://doi.org/10.3389/fgene.2019.00263

[3] Klemera, P., & Doubal, S. (2006). A new approach to the concept and computation of biological age. Mechanisms of ageing and development, 127(3), 240–248. https://doi.org/10.1016/j.mad.2005.10.004

[4] Levine, M. E., Lu, A. T., Quach, A., Chen, B. H., Assimes, T. L., Bandinelli, S., Hou, L., Baccarelli, A. A., Stewart, J. D., Li, Y., Whitsel, E. A., Wilson, J. G., Reiner, A. P., Aviv, A., Lohman, K., Liu, Y., Ferrucci, L., & Horvath, S. (2018). An epigenetic biomarker of aging for lifespan and healthspan. Aging, 10(4), 573–591. https://doi.org/10.18632/aging.101414

[5] https://www.cdc.gov/nchs/nhanes/index.htm

[6] https://en.wikipedia.org/wiki/Rotterdam_Study

[7] Ashton, N.J., Janelidze, S., Al Khleifat, A. et al. A multicentre validation study of the diagnostic value of plasma neurofilament light. Nat Commun 12, 3400 (2021). https://doi.org/10.1038/s41467-021-23620-z

[8] de Wolf, F., Ghanbari, M., Licher, S., McRae-McKee, K., Gras, L., Weverling, G. J., Wermeling, P., Sedaghat, S., Ikram, M. K., Waziry, R., Koudstaal, W., Klap, J., Kostense, S., Hofman, A., Anderson, R., Goudsmit, J., & Ikram, M. A. (2020). Plasma tau, neurofilament light chain and amyloid-β levels and risk of dementia; a population-based cohort study. Brain : a journal of neurology, 143(4), 1220–1232. https://doi.org/10.1093/brain/awaa054

[9] Mens, M., & Ghanbari, M. (2018). Cell Cycle Regulation of Stem Cells by MicroRNAs. Stem cell reviews and reports, 14(3), 309–322. https://doi.org/10.1007/s12015-018-9808-y

不想错过延寿前沿精彩内容？

那就点进时光派主页关注吧！