笔者导读
你舌头上的细菌，可能正在悄悄决定你老得快还是慢。韩敬东课题组在 Nature Aging 发表的最新研究中，将生成式 AI 框架 AURORA 应用于口腔微生物组，从河北冀东自然人群队列的 672 份舌苔样本中锁定了一种名为 Neisseria flavescens（Nf）的口腔共生菌 —— 其丰度越高，衰老越慢。这一研究成果也展示了一种新的抗衰老研究范式：先用 AI 在数据里预演干预效果，再用实验去验证。
纵观韩敬东课题组的研究成果，团队一直在衰老领域持续耕耘。2020 年，团队根据面部图像精准构建出衰老时钟，凭借面部特征可以精准地实现误差为年的年龄预测（Nature Metabolism，2020）；之后，团队进一步开发出名为 SenCID 的算法，成功地从单细胞角度精准识别了衰老细胞并据此构建出衰老细胞的轨迹（Cell Metabolism，2024）；团队实现了人工智能统一与重建组学重组图谱（AURORA）框架的构建，该平台整合了 42 万人的七种模态数据，其中包含了转录组、代谢组、微生物组以及关键的面部成像，能够在单一模态输入下高质量重建全模态数据（Cell Metabolism，2026）。
2026 年 9 月 24 日，来自北京大学、北大-清华生命科学联合中心的韩敬东课题组在 Nature Aging 发表题为 Multi-modality profiling identifies Neisseria flavescens as a central geroprotective oral commensal in humans 的文章，研究将其开发的 AURORA 框架成功从衰老领域拓展至干预靶点领域，AURORA 可通过模拟特定物种丰度变化来推断其对衰老速率的因果性贡献，这也使得研究可以识别出与衰老时钟相关但并非驱动因素的物种。
图 1：文章来源（Nature Aging）
研究首先对 672 份舌苔样本进行宏基因组测序，同时结合了血浆代谢组与多种衰老时钟，结果提示口腔共生菌 Neisseria flavescens（以下简称 Nf）与年龄校正衰老差在所有模态中均呈负相关，Nf 的丰度越高，衰老的速度便越慢。通过对慢衰老者的口腔进行分析发现，其口腔菌群呈现出「低多样性、Nf 稳定主导」的特点，而衰老较快的人群口腔菌群则更为多样和复杂。
图 2：研究设计与样本采集流程概览
团队进一步利用 AURORA 的计算机模拟扰动功能，当 Nf 丰度提高 5 个标准差，所有衰老时钟的 cAgeDiff 均下降，伴随着 Nf 的提升，生物素、维生素 B6、色氨酸等有益代谢物的合成也随之升高，相应的脂肪肝与高脂血症的风险下降。除了针对口腔菌群外，AURORA 还可以准确生成肠道微生物组并量化其衰老状态，这也进一步提示了模型的跨数据集泛化能力。
在有了足够的数据支撑后，研究者又从健康人舌苔中分离出两株 Nf，通过 RNA-seq 与靶向质谱证实了 Nf 可以上调色氨酸、生物素和维生素 B6 合成通路，在培养上清中吲哚-3-乙酸（IAA）这类代谢物的显著升高。
图 3：通过 AURORA 扰动分析，Nf 被预测为一种益生菌
文章的最后还通过线虫和小鼠两种模式动物进行验证。在线虫模型中，Nf 使平均寿命延长 26%–39%。在 20 月龄小鼠中，热灭活 Nf 灌胃 10 周后，血清甘油三酯显著下降，类固醇代谢通路的表达下降，随衰老减少的有益菌 A. muciniphila 与 Bifidobacterium pseudolongum 部分恢复。这也提示着 AI 预测出的均从在到人与跨物种的运用，均将 Nf 推上了口腔源抗衰老益生菌的候选席位。
图 4：Nf 延长了秀丽隐杆线虫的寿命与健康期
纵观这项研究，其最关键的地方突破了单纯的相关性分析，研究团队巧妙的利用了 AURORA 的扰动分析，成功候选出了 Nf，这也提示着微生物组-衰老研究中，因果推断框架可能优于单纯的相关性挖掘。Nf 作为口腔共生菌具有天然的安全性优势，在后续的应用中有着很大的空间。不过，本实验从线虫和小鼠到人类临床，仍有剂量-反应关系、应答者分层和长期安全性等关键问题需要回答。这也为后续的工作留出了足够的空间去回答与探索。
注：本文仅供文献解读，学术分享，不构成任何医疗建议！
参考文献(上下滑动查阅)：
1.Xia, X., Chen, X., Wu, G., et al. Three-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle. *Nature Metabolism*, 2020.
2.Tao, W., Yu, Z., Han, J.-D. J. Single-cell senescence identification reveals senescence heterogeneity, trajectory, and modulators. *Cell Metabolism*, 2024.
3.Chen, J., Ren, Y., Zhou, Y., et al. A generative AI framework unifies human multi-omics to model aging, metabolic health, and intervention response. *Cell Metabolism*, 2026.
4. Chen, J., Ren, Y., Zhou, Y., Wang, Z., Li, J., Guo, X., Xu, H., Wang, Y., Tang, H., & Han, J.-D. J. Multi-modality profiling identifies Neisseria flavescens as a central geroprotective oral commensal in humans. *Nature Aging*, 2026.
热门跟贴