《Communications Medicine》：Comprehensive cross-sectional and longitudinal comparison of sixteen markers of biological aging from the Berlin Aging Study II
编辑推荐：
本研究针对生物年龄标志物领域缺乏综合横向比较的现状，利用柏林衰老研究II（BASE-II）队列，对包括表观遗传时钟（如DunedinPACE、GrimAge）、复合标志物（Allostatic Load、BioAge）、端粒长度、皮肤年龄、心理年龄和脑年龄在内的16种标志物进行了横断面与纵向（平均随访7.4年）的全面评估。研究人员将这些标志物与涵盖衰弱、心血管风险、代谢综合征、认知功能、日常活动能力等16种年龄相关表型进行了关联分析。结果发现，Allostatic Load指数和DunedinPACE在横断面和纵向分析中均显示出与年龄相关表型最广泛且一致的关联，并能显著提升对平均7.4年后代谢综合征、高心血管风险和衰弱发病的预测准确性（曲线下面积AUC提升高达24个百分点）。该研究为不同生物年龄标志物的适用场景提供了详实的证据图谱，有助于推动其在衰老研究与临床风险分层中的精准应用。
随着医疗和生活水平的进步，人类寿命在不断延长。然而，寿命的延长并未完全带来“健康寿命”的同步增长，许多人在生命的晚年阶段仍需与慢性疾病和功能衰退共存。更关键的是，每个人“变老”的速度并不相同，有的人年事已高却依然精神矍铄，而有的人则更早地显现出衰老的迹象。为了量化这种个体间衰老速度的差异，科学家们开发了多种“生物年龄”标志物，试图用客观指标来衡量一个人的生理年龄，而非仅仅是其出生证上的“日历年龄”。
这些标志物种类繁多，从基于DNA甲基化水平的“表观遗传时钟”，到反映细胞复制潜能的“端粒长度”，再到整合多项血液指标的“复合生物年龄”，甚至包括个体自我感觉的“主观年龄”。然而，一个核心问题也随之浮现：这些从不同维度、用不同方法测量出的标志物，它们测的是同一种东西吗？哪种标志物更能准确地预测一个人未来的健康状况，比如患上心脏病、糖尿病或变得衰弱的风险？此前，缺乏在同一个大规模人群中同时对多种标志物进行“同台竞技”式比较的研究，这限制了我们对于不同标志物优势和适用场景的理解。
为了解决这一知识空白，由Vetter等人领导的研究团队利用德国柏林衰老研究II（BASE-II）这一宝贵的资源，展开了一项全面而深入的调查。他们的研究成果以“Comprehensive cross-sectional and longitudinal comparison of sixteen markers of biological aging from the Berlin Aging Study II”为题，发表在《自然》旗下期刊《Communications Medicine》上。这项研究如同一场“生物年龄标志物的奥林匹克运动会”，旨在系统评估16位“参赛选手”在预测衰老相关健康问题上的真实实力。
关键方法概览
本研究基于柏林衰老研究II（BASE-II）队列，这是一个观察性纵向研究，旨在识别塑造健康衰老轨迹的因素。研究分析了1083名年龄在60-80岁之间的老年参与者的数据，他们在基线（T0）和平均7.4年后（T1）接受了两次全面评估。研究者计算了16种生物年龄标志物，包括5种表观遗传时钟（Horvath、Hannum、PhenoAge、GrimAge、DunedinPACE）的年龄加速（DNAmAA）、7-CpG表观遗传时钟、蛋白质组学年龄加速（ProteomicsAA）、两种端粒长度测量（rLTL和DNAmTL）、皮肤年龄（SkinAge）、两个实验室复合标志物（BioAge、Allostatic Load Index/ALI）、三种心理衰老标志物（主观感觉年龄/SFA、主观寿命预期/SLE、主观健康预期/SHE）以及脑年龄（BrainAge，来自255人的亚组）。这些标志物与16种年龄相关健康表型（如衰弱指数、心血管风险评分、代谢综合征、认知测试分数等）进行关联分析。统计分析采用线性和逻辑回归模型，并进行了严格的Bonferroni多重检验校正。
研究结果
1. 参与者
研究共分析了1083名BASE-II参与者，基线平均年龄为68.3岁，52%为女性。所有年龄相关结局变量在平均7.4年的随访期间大多发生了统计学上的显著变化。不同数据源和领域的衰老标志物之间的相关性为低到中度，而基于相同数据（如表观遗传时钟之间）或概念相近的标志物（如SHE和SLE）则显示出较高的相关性。
2. 衰老标志物与年龄相关结局的横断面关联
在基线进行的横断面分析发现：
- •
第一代表观遗传时钟、PhenoAge DNAmAA、SkinAge、ProteomicsAA和BrainAge与研究的结局变量未显示出经多重检验校正后的统计学显著关联。
- •
GrimAge DNAmAA、DunedinPACE以及两个实验室复合标志物（BioAge, ALI）与至少一种心血管健康评分（LS7, SCORE2）显著相关。
- •
其中，ALI和DunedinPACE还与疾病相关结局，如合并症指数（MI）、确诊的2型糖尿病（T2D）和代谢综合征（MetS）显著相关。
- •
两种端粒长度测量与手指地面距离（FFD）和SCORE2显著相关。
- •
三种心理衰老标志物均与SPRINT-BASE衰弱指数（SP FI）显著相关。
总体而言，在调整协变量后，最强且最稳健的关联结果来自ALI和DunedinPACE。
3. 基线衰老标志物与7.4年后年龄相关结局的纵向关联
在纵向分析中（基线标志物预测随访结局）：
- •
与横断面结果类似，第一代表观遗传时钟、PhenoAge、SkinAge、ProteomicsAA和BrainAge仍未显示显著关联。
- •
DunedinPACE和ALI再次表现出最强和最一致的关联。
- •
有趣的是，所有三种心理衰老标志物，除了与SPRINT-BASE衰弱指数的关联（横断面已发现）外，在纵向上还与弗里德衰弱表型（Fried FI）相关。
4. 对平均7.4年随访期内发病病例的预测
为了评估标志物的临床转化潜力，研究测试了它们预测随访期间新发病症的能力：
- •
在所有分析的生物标志物中，Allostatic Load（ALI）是唯一一个与随访时发病损伤显著相关的标志物。具体而言，较高的ALI值与新发T2D、MetS的风险增加相关。将其加入仅包含年龄和性别的基础预测模型后，模型预测MetS和T2D的曲线下面积（AUC）分别提升了24和18个百分点。
- •
同样，ALI还能显著提升对糖尿病并发症严重程度指数（DCSI）升高、心血管健康（LS7）状况变差、以及高合并症负担（MI）和衰弱（Fried FI）的预测准确率。
- •
DunedinPACE 本身在单一预测模型中未达显著水平，但将其加入基础模型后，能显著提升对MetS、Fried FI和LS7状况恶化的预测AUC（提升4-8个百分点）。
- •
GrimAge DNAmAA 的加入使LS7的预测模型AUC提升了5个百分点。
- •
通过定量PCR测量的端粒长度（rLTL）使对高心血管风险（SCORE2）的预测AUC有微小但显著的提升（1个百分点）。
研究结论与意义
这项在BASE-II队列中开展的大规模比较研究得出了几个关键结论。首先，不同的生物年龄标志物捕获了衰老过程的不同侧面，这从其与五花八门的健康结局之间关联强度的巨大差异中可见一斑。例如，GrimAge DNAmAA和DunedinPACE在预测心血管健康和认知能力方面表现更佳；ALI则与衰弱、整体疾病负担（如合并症指数、T2D、MetS）关联更强；而主观心理标志物则与抑郁症状、认知功能及衰弱指数相关联。
其次，一个颇具启发性的发现是，标志物在纵向预测中的表现往往优于横断面关联。这意味着，这些标志物在基线时捕捉到的“加速衰老”信号，可能当时尚未超过个体的生理代偿阈值，因而没有立即表现为临床症状；但经过平均7.4年的时间，这种潜在的衰老加速最终“浮出水面”，导致了临床可观测的健康恶化。这突显了生物年龄标志物用于早期风险分层的巨大潜力——它们能识别出那些“衰老进程更快”、未来健康风险更高的人群，为早期干预赢得宝贵时间。
最终，在迈向临床应用的潜力评估中，Allostatic Load指数（ALI）和DunedinPACE脱颖而出。它们不仅与多种年龄相关表型有稳健关联，更能显著提升传统临床模型（仅含年龄、性别）对未来健康风险事件的预测精度，其中ALI对MetS发病预测的改善幅度高达24个百分点。尽管当模型中加入更多传统风险因素（如BMI、吸烟）时，这种提升幅度会减弱，但这依然证实了这些新型标志物承载着独特的、超越常规指标的生物学信息。
当然，研究也存在局限，例如BASE-II参与者整体健康状况优于普通人群，可能低估了效应大小；相对狭窄的年龄范围限制了结论向更年轻或更年老人群的推广。然而，其优势在于首次在同一个大型纵向队列中对涵盖表观遗传、蛋白质组、复合指标、心理感知等多领域的16种标志物进行了“背对背”的全面比较。
总之，Vetter等人的这项研究为纷繁复杂的生物年龄标志物领域提供了一份珍贵的“能力图谱”和“使用说明书”。它清晰地表明，没有单一的“金标准”标志物，不同的标志物各有擅长，应针对具体的研究或临床问题（如预测心血管病还是衰弱）进行选择。更重要的是，它强力论证了以ALI和DunedinPACE为代表的标志物，能够提前数年洞察衰老相关的健康风险，为将来开发基于生物年龄的精准预防和健康管理策略奠定了坚实的科学基础。
