“两种方法均显示出高预测精度（平均绝对误差约6年，R²>0.8），且评估结果之间以及与传统生物年龄指标PhenoAge之间的一致性较高（相关性>0.89）。”
纽约州布法罗——2026年3月23日——一篇新研究论文于2026年3月12日发表在《Aging-US》第18卷，标题为“血液生化与肠道微生物神经网络模型预测人类生物年龄”。
该研究由阿纳斯塔西娅·A·科贝利亚茨卡娅（Anastasia A. Kobelyatskaya）领导，她来自俄罗斯国立皮罗戈夫研究医学大学（Pirogov Russian National Research Medical University）的俄罗斯临床老年学研究中心（Russian Clinical Research Center for Gerontology），以及佩特罗夫斯基俄罗斯外科研究中心（Petrovsky Russian Research Centre of Surgery）的衰老生物学与健康长寿医学研究所（Institute of Biology of Aging and Healthy Longevity Medicine with Preventive Medicine Clinic）；通讯作者为阿列克谢·莫斯卡列夫（Alexey Moskalev），来自同一研究所。研究构建了性别特异性生化模型（七项常规临床标志物，如胱抑素C、IGF-1、DHEAS，加上性别特异性组合）和微生物组模型（通过全长16S测序测量的45种菌种）。两个模型均在同一个637人数据集上训练和测试，平均绝对误差约为6年，R²值均高于0.8。
研究团队强调了可解释性：他们应用SHAP（SHapley Additive exPlanations）将每个模型从“黑箱”转化为更具可解释性的工具，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属等菌种）如何对特定个体的预测年龄产生年数级偏移。生化时钟提供了一个较小的（临床可获取的）预测因子集（7个标志物），以简化临床转化；而微生物组时钟则使用了45种菌种的签名，并突出了其丰度梯度与预测微生物组年龄相关的微生物组分类群。
“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。”
作者指出了局限性和后续步骤：该队列仅限于高加索人群，且微生物组模型需要测序资源，可能限制其立即临床推广。他们呼吁在更大、更多样化的种族人群中进行外部验证，开展前瞻性测试以将模型预测与健康结果联系起来，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。
【全文结束】