在探讨衰老与功能退化的关键时刻，量化生物衰老至关重要。尽管人类和啮齿类模型已存在多种加速衰老及虚弱的测量方法，但针对非人灵长类动物（NHPs）的选择却寥寥无几。NHPs的临床数据面临独特挑战，例如缺乏明确的正常值以及在漫长生命周期中数据采集的差异性，同时数据集之间在可用临床测量和动物数量上也存在巨大差异。为应对这些挑战，我们利用来自两个独立非人灵长类队列（4,328只狒狒和281只猕猴）的纵向常规临床数据，开发并验证了“衰老韧性”（AR）指标。我们训练了包括线性混合效应模型、随机森林和循环神经网络（RNN）在内的五种计算模型来预测实际年龄，并进一步推导出代表生理偏差速度（衰老速率）和累积负担（标准化累积衰老）的AR指标。值得注意的是，尽管线性模型在预测实际年龄方面表现出高精度（测试R2高达0.99），但它们与实际寿命的相关性却很差。相比之下，源自非线性模型（RNN和随机森林）的AR指标对死亡率表现出强大的预测效度（Pearson’s r > 0.8）。这些发现揭示了一个关键悖论：最能预测实际年龄的模型并不一定能捕捉决定健康寿命的生物韧性。本研究建立了一个可扩展的框架，利用标准兽医记录来监测转化模型中的生物衰老。
📎 来源：The journals of gerontology. Series A, Biological sciences and medical sciences | 查看原文