一项新研究论文于2026年3月12日发表在《Aging-US》第18卷，标题为“基于血液生化指标和肠道微生物组神经网络的生物年龄预测模型”。
该研究由俄罗斯老年学临床研究中心、皮罗戈夫俄罗斯国立研究医科大学、以及彼得罗夫斯基俄罗斯外科研究中心下属的衰老生物学与健康长寿医学研究所及预防医学诊所的Anastasia A. Kobelyatskaya领导，通讯作者为同一研究所的Alexey Moskalev。研究构建了性别特异性的生化模型（七项常规临床指标，如胱抑素C、胰岛素样生长因子1、脱氢表雄酮硫酸酯，外加性别特异性指标组）和微生物组模型（通过全长16S测序测量45种菌群）。两个模型均基于同一637人数据集进行训练和测试，平均绝对误差约为6年，R²值均超过0.8。
研究团队强调了模型的可解释性：他们应用SHAP（沙普利加性解释）方法，将每个模型从“黑箱”转化为更易解释的工具，展示了单个预测因子（例如血液模型中的DHEAS、胱抑素C、NT-proBNP，以及微生物组模型中的布劳特氏菌等菌种）如何使个体预测年龄发生数年偏移。生化时钟使用了少量（临床易获取的）预测因子（7个指标），便于临床转化；而微生物组时钟则使用了45种菌群特征，并强调了那些丰度梯度与预测微生物组年龄相关的菌群分类单元。
“由于所提出的模型同时具备全局和局部可解释性，它们未来有望应用于监测临床试验中各种干预措施的有效性。”
作者指出了研究的局限性和下一步方向：该队列仅限于高加索人群，且微生物组模型需要测序资源，可能限制其即时临床推广。他们呼吁在更大规模、种族多样化的群体中进行外部验证，开展前瞻性测试以将模型预测与健康结局相关联，并应用可解释模型来监测干预试验（例如生活方式、饮食或药物研究）中的反应，其中预测生物年龄的变化将是一个早期、可解释的获益信号。
来源：Aging-US
期刊参考文献：Kobelyatskaya, A. A., 等. (2026). 基于血液生化指标和肠道微生物组神经网络的生物年龄预测模型. Aging. DOI: 10.18632/aging.206360.
【全文结束】