衰老是人类健康面临的全球性挑战，并显著增加疾病风险。当前广泛使用的“年龄差”（即生物学年龄与实际年龄之差）在预测疾病风险方面存在局限，因为它未能充分考虑不同年龄阶段的衰老模式差异，可能导致对衰老加速的解读产生偏差。为此，复旦大学等研究团队引入了一种全新的、更稳健的指标——PAAG（Personalized-Context-Aware Age Gap，个性化情境感知年龄差），用于更准确地评估衰老加速。PAAG的诞生离不开一个新的预训练模型AOE-Net（Age Order Enhanced Network）。AOE-Net利用健康人群多组学数据进行年龄排序增强对比学习，从而学习到能精准重建衰老轨迹的潜在特征，它能有效捕捉生物学上的偏差，而非技术误差。研究团队通过对AOE-Net进行微调，生成了PAAG指标，实验结果表明，PAAG在预测临床结局方面显著优于传统第一代和第二代衰老时钟的“年龄差”概念。这一卓越的预测能力在多种年龄相关疾病和表型中得到验证，包括泛癌种的总体生存率、亚临床动脉粥样硬化的PESA评分以及骨质疏松的骨密度等。至关重要的是，PAAG作为一个情境感知指标，有望提升现有衰老时钟的临床结果预测准确性。此外，对PAAG分子驱动因素的解读分析揭示，其与免疫应答通路的功能富集密切相关，这为加速衰老与疾病之间的共同机制提供了线索。总而言之，PAAG有望成为临床评估年龄相关疾病的稳定加速衰老指标，而AOE-Net则为衰老研究和PAAG评估提供了一个高效的预训练模型。
📎 来源：Aging Cell | 查看原文