你有没有想过，同样 45 岁，为什么有人体检指标干干净净，有人已经高血压、脂肪肝缠身？来自上海交通大学医学院附属仁济医院卜军教授团队给出了新的解答，事实上，年龄只是数字，真正决定健康走向的，是身体在分子层面上「老得有多快」。不过，要理解他们为什么能做成这件事，得先看看这支团队过去在关心什么。
团队早期的工作主要集中在冠脉斑块上，早在 2016 年的时候，该团队就比较了钙化模式与斑块易损性之间的关系，这也为介入风险的评估提供了可靠的依据（JACC，2016）。而后，团队于 2022 年发表了有关昼夜节律与代谢性心血管病相关的文章，研究发现核受体 NR1D1 可以通过线粒体三羧酸循环中的乌头酸酶 2 调控腹主动脉瘤的发生（Circulation，2022）。就在去年，团队又发现远隔缺血适应可以通过改变骨骼肌小 RNA 表达来降低肝脏脂肪含量从而达到干预非酒精性脂肪肝的目的（Cell Metabolism，2025）。从上述研究脉络可以看出，卜军团队关心的核心问题是代谢紊乱如何在器官之间传导。
2026 年 10 月，卜军、钱坤团队合作在 Science Translational Medicine 发表题为 Metabolomic aging and mortality clocks based on ensemble learning identify systemic aging risk across the human life span in 18,476 individuals 的论文。这项研究正是这一线路的延续，研究团队用一管血浆、56 个代谢物，把「衰老速度」变成了可量化临床指标，从而达到临床监测与干预的目的。
图 1：文章来源（Science Translational Medicine）
值得一提的是，本文登上了 Science Translational Medicine 的封面。封面主题为「Ticking Metabolites」（滴答流逝的代谢物），图为一名男子骑着自行车穿行于日常活动之中，而时间的影子在远处悄然投下，形似一枚表盘，暗喻衰老并非遥远的事件，而是隐藏在日常生活背后、在分子层面悄然累积的过程，血浆中的代谢物正是记录这一过程的「时钟」。
文章封面
研究者最开始纳入了国内六个中心近两万名参与者，通过纳米辅助激光解吸电离质谱（LDI-MS）技术，使所需的样本量仅 10 至 100 微升且每份血浆半分钟便可检测完成，这也使得研究者可以从 232 个初始特征中筛选出 56 个代表性年龄相关代谢物。在这基础上，团队进一步整合了 12 种机器学习模型，并构建出两层堆叠集成模型（stacking ensemble），该模型对于预测代谢年龄与实际年龄的相关系数达到 0.951，且这一模型用在英国生物样本库和美国 NHANES 生理指标数据上均有很不错的表现。
图 2：开发代谢组学衰老指标的研究设计与分析流程
除了年龄预测外，此项研究最亮眼的地方在于风险分层，研究者在健康队列中定义了代谢年龄加速（mAA），即你的代谢年龄比实际年龄大多少。随访 2019 至 2025 年发现，mAA 加速组全因死亡风险显著更高，脂肪肝、高血压、糖尿病、冠心病、卒中等慢性病的累积发病率也都升高。日常生活中常见的二手烟暴露、染发剂使用、油炸食品的摄入等也都与 mAA 有较强的相关性，不过与我们常识相符合的摄入杂粮和规律锻炼同较低的 mAA 相关。上述的发现也提示了 mAA 不仅是一个指标，更可以指导我们在日常生活中对衰老做出干预。
图 3：堆叠代谢组学年龄模型与 mAA 分层
不过，对于患病的群体来说，患病人群的代谢谱本身已处于紊乱状态，，研究团队便将关注点转向了使用同一组 56 个代谢物估计全因死亡风险，并将「年龄偏差」定义为个体实际对数风险评分与其年龄预期风险之间的残差。研究发现 3-甲基吲哚（与肠道微生物发酵和特定发酵食品有关）与死亡风险的关联最为显著（HR = 1.310），4-羟基脯氨酸（胶原蛋白的关键成分）则呈现保护性关联（HR = 0.801）。
图 4：与死亡风险挂钩的代谢组学年龄偏差指标的临床关联性
最后，团队把两套指标同现有的综合健康评估工具的价值进行了比较，发现 mAA 与死亡的关联强度和判别能力均优于现有的工具，一旦将 mAA 加入到现有工具的模型中，该模型的拟合也得到了显著改善。
该项研究不仅仅是对于衰老的评估工具，研究首先使用一管血浆，耗时半分钟，便可以将衰老拆分成可以量化的两部分，当处于健康状态时，可以通过 mAA 来指导干预生活方式，当群体处于患病状态时，可以利用年龄偏差来进行疾病管理和死亡风险分层。不过该项研究也存在其局限性，研究的人群是以中国人群为主，纵向采样还限于亚组，其背后所挖掘出来的生物学机制也还需要实验来进一步验证，不过该研究也为后续的衰老研究指明了方向，衰老不仅仅可以被测量，也可以成为干预的起点。
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. Cao L, Chen Y, Zhang W, et al. Metabolomic aging and mortality clocks based on ensemble learning identify systemic aging risk across the human life span in 18,476 individuals. Sci Transl Med. 2026.
2. Pu J, Zhang P, Guo J, Shang Y, Wu X, Mintz GS, He B. TCTAP A-165 Calcification Pattern and Plaque Vulnerability: Lessons from In-Vivo and In-Vitro Multimodality Intracoronary Imaging Studies. Journal of the American College of Cardiology. 2016.
3. Sun LY, Lyu YY, Zhang HY, Shen Z, Lin GQ, Geng N, Wang YL, Huang L, Feng ZH, Guo X, Lin N, Ding S, Yuan AC, Zhang L, Qian K, Pu J. Nuclear Receptor NR1D1 Regulates Abdominal Aortic Aneurysm Development by Targeting the Mitochondrial Tricarboxylic Acid Cycle Enzyme Aconitase-2. Circulation. 2022.
4. Zhao Y, Gao L, Chen J, Wei J, Lin G, Hu K, et al. Pu J. Remote limb ischemic conditioning alleviates steatohepatitis via extracellular vesicle-mediated muscle-liver crosstalk. Cell Metabolism. 2025.