一种机器学习算法能够预测脑细胞的生物年龄，科学家已据此识别出数百种潜在抗衰老疗法，以预防伴随年龄增长的认知衰退和神经退行性病变。

卢森堡系统生物医学中心（LCSB）计算生物学教授、西班牙CIC bioGUNE研究教授 Antonio del Sol领导的研究团队指出：“衰老是多种神经退行性疾病的主要诱因，而此类疾病是大多数老年人都会面临的最终结局。全球人口正在加速老龄化，到 2050 年，60 岁以上人口预计将超过 20 亿。因此，如何找到有效策略，保护老龄化人口远离神经退行性疾病，这一点至关重要。”

为了训练机器学习模型，该团队从778名健康个体的大脑样本中收集了数据，年龄段为20-97岁。该模型不关注遗传密码，只侧重于转录物组（由DNA转录生成的RNA分子集合），以评估每个大脑样本中所有基因的活性水平。  

该算法识别出365个基因转录本，其总和基于大脑样本准确预测个体年龄，误差范围为5 年。其中仅25%基因直接参与大脑进程；相反，大多数基因都与DNA修复和调控相关，众所周知这与所有组织的衰老密切相关。  

在神经退行性疾病（如阿尔茨海默病或创伤性脑损伤）的确诊患者样本中，这个“衰老时钟”模型的预测结果是：患者大脑的生物年龄明显偏高。

Del Sol报告称：“这在60-70岁捐献者的样本中尤为明显，其神经退行性样本的转录年龄比健康个体年长15岁。这些发现表明转录年龄与大脑机能呈负相关，从而支持神经退行性病变是一种加速衰老模式的观点。”

机器学习模型进而分析了数千个神经元及神经祖细胞样本的数据，以搜寻可以降低样本预测年龄的基因表达变化。计算机算法据此找到478种对脑细胞具有恢复作用的药物。  

Del Sol补充道：“由模型预测的几种化合物已被证明可以延长寿命，但我们尚未就健康或延寿效果对绝大多数化合物进行研究。此外，所预测的化合物大都处于试验阶段，其作用机制尚不清楚。”  

该团队基于算法识别选择了三种化合物，并在四周内测试其对老年小鼠的作用。这三种化合物的施用显著缓解了小鼠的焦虑，并改善了它们的记忆力，其脑细胞的基因表达也转向更为年轻的转录谱。

尽管这些初步结果表明前景乐观，但仍需开展进一步研究，以验证这三种化合物以及机器学习模型所识别的其他化合物的疗效。我们的目标是开发出具有抗衰老和神经保护作用的强效药物。

Del Sol及其同事表示，抗衰老领域目前缺乏系统的药物识别手段，这使其计算机算法成为识别有效治疗型化合物的一大利器。

Del Sol总结道：“我们的计算平台是一大利器，它能识别对抗年龄相关脑机能衰退的干预措施。平台预测的数百种化合物需要在不同生物系统中接受验证和疗效评估，这为未来的研究和疗法开发提供了多种可能性。”

参考文献：

Guillem Santamaria, Cristina Iglesias, Sascha Jung, Javier Arcos Hodar, Ruben Nogueiras, Antonio del Sol, A Machine-Learning Approach Identifies Rejuvenating Interventions in the Human Brain, Advanced Science (2025).

DOI:10.1002/advs.202503344.  

*封图来源：Micheile Henderson（Unsplash）

Advanced Science 是Wiley旗舰期刊Advanced系列中的一种完全开放获取的跨学科科学期刊，发表材料科学、物理、化学、医学、生命科学、环境科学、工程和社会科学等领域的前沿基础和应用研究。我们的使命是通过开放获取出版，使前沿创新的科学研究具有更广泛的可访问性。Wiley的Advanced 系列是全球公认的高影响力期刊系列，传播来自资深和青年研究人员的科学成果，帮助他们实现使命并扩大科学发现的影响力。  

Advanced Science 最新2024影响因子（JIF）为 14.1，五年平均影响因子为 15.6，JCI 引文指标为1.90，CiteScore 为 18.2。在 2025年中国科学院院文献情报中心期刊分区表中，Advanced Science 入选综合类期刊一区TOP。