来自埃迪斯科文大学（ECU）的研究人员开发了一种创新的方法来测量生物年龄，这可能让我们更容易检测和追踪与年龄相关的疾病。
这项研究“深度强化学习驱动的多组学整合构建gtAge：一种基于IgG N-糖组和血液转录组的新型衰老时钟”已在 《工程》期刊 上发表。
来自ECU的团队与悉尼皇家阿尔弗雷德医院和中国汕头大学医学院的研究人员合作，研究了随着年龄变化的血液成分。特别是，他们关注IgG N-糖组，这是一种附着在抗体上的糖结构，以及血细胞内基因活动的快照，称为转录组。
通过使用一种名为深度强化学习的人工智能（AI）技术将这两组数据结合在一起，研究人员因此创建了一种新的衰老时钟，叫做gtAge。
gtAge 方法以 85% 的准确率预测一个人的年龄——比单独使用 IgG N-糖组或转录组更为精确。
他们还发现，预测年龄与实际年龄之间的差异——称为 delta age——与衰老相关的健康指标有关，例如胆固醇和血糖水平。
年龄——只是一个数字吗？
共同作者、ECU 医学与健康科学学院的博士后研究员李兴刚博士解释说，尽管按时间计算的年龄——即自出生以来的时间——是最直接和常用的指标，但它并不能完全捕捉个体在衰老过程中的变异性。
“实际上，有些人到80多岁、90多岁时仍然很健康，而其他人可能在更早的时候就会经历与年龄相关的衰退，”李博士说。
“这种差异可以归因于生物年龄差异，它综合了遗传、生活方式、营养、疾病相关和整体健康因素，以准确反映真实的生物老化过程。”
李博士指出，gtAge 解释了 85.3% 的时间年龄变化。
“通过整合 IgG N-糖组数据和转录组数据，我们提高了生物老化估计的准确性，”他说。“它与实际健康风险有关，可能帮助我们更早发现那些面临年龄相关疾病风险的人。”
数据处理
在一个重要的跨学科研究中，合著者 Syed Islam 博士，东海岸大学计算机科学高级讲师，领导了研究的人工智能部分。
“为了利用综合多组学数据提高年龄预测，我们开发了一款名为 AlphaSnake 的定制的人工智能工具，采用深度强化学习，”伊斯兰博士解释道。
“这个算法的工作原理是从两个不同的生物来源中挑选出最有用的数据点，避免了盲目混合数据带来的问题。”
接下来我们该怎么做？
这项研究对来自西澳大利亚巴塞尔顿健康老龄化研究的302名中年成年人进行了gtAge测试。
鉴于澳大利亚人口在不断老龄化，研究团队认为gtAge可能成为一种非常有价值的医疗工具。
“通过测量生物学年龄而不仅仅是查看某人的出生日期，这可能对更好地理解他们的健康非常有用，”伊斯兰博士说。
“如果我们提前知道，那么我们可以改变我们的生活方式，更好地保护我们的健康，并帮助预防我们身体可能经历的一些损伤。”
姚霞博士、赛义德·伊斯兰博士、李兴刚博士、阿卜杜勒·巴滕博士、谭学瑞博士和王伟教授是这项研究的共同作者。
更多信息：姚霞等，基于深度强化学习的多组学整合来构建gtAge：一种来自IgG N-糖组和血液转录组的新开发的衰老时钟，工程（2025）。 文献链接：DOI: 10.1016/j.eng.2025.08.016
热门跟贴