博文
抗衰老研究为什么不能只盯单一靶点？
||
过去二十多年，衰老生物学研究在分子机制层面积累了大量重要成果。
例如 mTOR、AMPK、NAD+、SIRT、IGF-1、线粒体功能、慢性炎症、蛋白稳态、细胞衰老、表观遗传改变等概念，已经成为理解衰老过程的重要入口。
这些研究推动了我们对衰老机制的认识，也为潜在干预策略提供了候选靶点。
但是，如果从长寿医学和真实世界健康管理的角度看，仅仅围绕单一靶点来组织抗衰老干预，显然是不够的。
衰老并不是某一个分子开关的异常，也不是某一条信号通路的单向改变。
它更像是一个多尺度生命系统的长期偏移：代谢、炎症、免疫、肌肉功能、睡眠节律、压力反应、器官储备、组织修复能力、细胞身份和生活方式因素相互作用，共同塑造个体的衰老轨迹。
因此，长寿医学真正需要回答的问题，可能不只是：
哪一个分子靶点最有希望延缓衰老？
更重要的问题是：
在某个具体个体的当前生命状态下，哪些系统环节最值得优先调整？ 哪些干预动作可以安全、可执行、可反馈地组合？ 哪些指标能够说明系统正在朝更好的方向变化？ 如果反馈不符合预期，下一轮应该如何校准？
这正是“可驾驭世界模型”在长寿医学中的方法论意义。
它并不是把人体理解为可以被完全控制的机器，而是尝试在复杂生命系统中组织目标、状态、行动、证据、反馈和校准。
二、从“药物靶点”到“驾驭点”在传统药物研发中，“药物靶点”是一个核心概念。
一个药物靶点通常指可以被药物作用的分子对象，例如受体、酶、激酶、离子通道、转运体或某个信号通路节点。
药物靶点回答的是一个相对明确的问题：
打哪里？
药理学进一步回答：药物如何通过剂量、暴露、代谢、药效和安全边界影响机体。
网络药理学将视角从单靶点推进到多靶点、多通路、多成分和多表型。
网络医学则进一步提醒我们，复杂疾病往往不是一个点的损坏，而是疾病模块、网络拓扑和系统稳态被扰动的结果。
这些思想对长寿医学非常重要。
但长寿医学面对的不是单一疾病，也不是单一药物，而是一个长期变化、个体差异巨大、需要持续反馈的生命系统。
因此，仅有“靶点”概念还不够。
我们还需要一个更宽的概念：
驾驭点（Steering Point）。
所谓驾驭点，是指在某个具体个体的当前生命状态中，可以被健康管理或医学动作影响、具有一定机制依据、能够观察反馈，并可能带来系统性改善的关键节点。
它可能是一个分子靶点，也可能是一条代谢通路；可能是慢性炎症状态，也可能是睡眠节律；可能是肌肉功能，也可能是 DNA 甲基化提示的衰老相关分子状态。
如果说药物靶点回答的是“打哪里”，那么长寿医学中的驾驭点要回答的是：
在这个人的当前状态下，哪里最值得先动？ 应该与哪些动作组合？ 动了以后，用什么反馈判断方向是否正确？
这意味着，驾驭点不是单纯的分子对象，而是一个兼具机制性、可行动性、可反馈性和系统杠杆效应的概念。
三、好的驾驭点需要满足哪些条件？一个热门通路并不自动等同于一个好的驾驭点。
在长寿医学中，一个相对理想的驾驭点至少应满足以下几个条件。
1. 与当前个体状态相关同一个靶点或同一种干预，并不一定适用于所有人。
如果一个人的主要问题是睡眠、压力和恢复能力，优先讨论某个强分子靶点，未必是最合理的第一步。
如果一个人的主要问题是代谢、肌肉功能和内脏脂肪，那么饮食结构、抗阻训练、蛋白摄入、胰岛素敏感性和体成分管理，可能更值得优先关注。
驾驭点必须回到个体当前状态，而不是只跟随研究热点。
2. 具有机制证据驾驭点不能只靠经验判断或主观感受。
它最好能够对应到一定的机制证据，例如分子机制、通路机制、生理机制、临床研究、人群研究、专家经验或长期 N-of-1 反馈。
当然，证据等级可以不同，但需要清楚地区分机制假设、观察关联、动物实验、人群研究和临床验证之间的边界。
3. 可以被行动影响不能被行动影响的指标，即使具有解释价值，也很难成为健康管理中的优先驾驭点。
例如，睡眠节律可以通过作息、光照、压力管理和行为干预影响；肌肉功能可以通过抗阻训练、蛋白摄入和恢复管理影响；代谢状态可以通过饮食结构、运动、体重管理和药物管理影响；慢性炎症负荷可能与感染、肠道、睡眠、压力、脂肪组织和代谢状态有关。
4. 可以被反馈观察不能反馈，就很难形成真正的驾驭。
一个好的驾驭点，应当能够设置阶段性反馈指标。
这些指标可以包括体检指标、功能表现、症状变化、睡眠数据、运动能力、体成分、炎症和代谢指标，也可以包括 DNA 甲基化等衰老相关分子指标。
5. 风险边界清楚长寿医学中的干预不应被理解为“越强越好”。
越强的干预，越需要明确适用人群、剂量、周期、禁忌、相互作用和长期安全性。
因此，好的驾驭点不仅要有潜在收益，还要有清晰的风险边界。
6. 具备系统杠杆效应真正有价值的驾驭点，往往不只是改变一个数字，而是可能带来系统性收益。
例如，改善睡眠可能影响代谢、免疫、炎症和认知；增加肌肉量可能影响胰岛素敏感性、骨骼健康、炎症状态和衰弱风险；降低内脏脂肪可能影响慢性炎症、代谢稳态和心血管风险。
这类节点才更接近长寿医学中的“系统杠杆点”。
四、一个比喻：骑手驾驭马，不是只拉一根缰绳“骑手与马”的比喻有助于理解长寿医学中的可驾驭性。
人体并不像一辆可以被精确操控的机器，而更像一匹有自主性、有状态波动、会疲劳、会适应、也会反馈的马。
真正会骑马的人，不会只靠一个动作。
他们会组合使用缰绳、腿部信号、身体重心、节奏控制、路线选择、休息安排和长期训练。
长寿医学也是如此。
真正有效的健康管理，很少只依赖单一动作。
它通常需要组合营养、运动、睡眠、压力管理、代谢管理、抗炎策略、定期复测和长期反馈。
因此，未来抗衰老研究和长寿医学实践不应只围绕“单一靶点”展开，而应逐步走向组合干预、分层人群和真实健康终点。
五、多个衰老短板同时出现时，如何寻找系统轴？在真实健康管理场景中，一个个体往往不会只出现一个孤立异常。
假设某位受检者在多维衰老检测中同时出现以下线索：
线粒体功能相关衰老信号加速；
肝脏相关衰老信号偏高；
磷脂代谢异常；
常规体检指标也呈现复杂模式。
这时，问题并不是简单地问：
先干预线粒体，还是先干预肝脏，还是先干预磷脂代谢？
如果把每一个短板都当成孤立靶点，很容易导致干预堆叠。
更合理的问题是：
这些短板是否共同指向某个系统轴？
在这个例子中，肝脏、磷脂代谢和线粒体功能，可能共同提示“肝脏—脂质代谢—线粒体能量轴”的系统偏移。
肝脏是脂质代谢、能量代谢、炎症调节和解毒压力的重要枢纽；磷脂代谢与细胞膜结构、脂质转运和肝脏代谢状态有关；线粒体功能下降则可能既是能量代谢问题，也可能是炎症、脂质负荷和生活方式长期压力的结果。
这个例子的意义不在于给出某个具体方案，而在于说明一种判断逻辑：
当多个衰老短板同时出现时，不宜按单项分数逐个干预，而应先寻找它们背后的共同系统轴；优先选择可行动、可反馈、低风险、有系统杠杆效应的驾驭点，再围绕它设计组合动作和阶段性反馈。
这就是“驾驭点”与“药物靶点”的关键差异。
六、可驾驭世界模型：连接目标、状态、行动与反馈普通预测模型常常回答：
未来可能发生什么？
但长寿医学真正需要的问题更接近：
如果我们根据当前状态采取某些行动，系统可能如何变化？ 哪些反馈说明方向正确？ 如果反馈不符合预期，下一轮如何校准？
这就需要一种更接近“世界模型”的能力。
在人工智能领域，世界模型通常不仅用于预测结果，还用于表示状态、行动和状态转移之间的关系。
放到医学和长寿管理场景中，一个可驾驭世界模型至少要把四件事连接起来：
驾驭目标决定方向。驾驭点决定着力位置。组合动作决定推动方式。真实终点决定是否走对路。
对应到长寿医学中：
驾驭目标可以是健康寿命、器官功能、炎症下降、代谢改善、衰弱风险降低；
驾驭点可以是通路、器官模块、生活方式节点、分子状态和反馈指标；
组合动作可以是营养、运动、睡眠、压力管理、补剂、代谢管理、随访和复测；
真实终点可以是肌肉力量、认知功能、感染风险、跌倒风险、心血管事件、失能风险、生活质量和长期健康寿命。
因此，长寿医学中的可驾驭世界模型，不只是要预测一个人未来可能怎样，而是要帮助专业团队组织“当前状态—候选行动—机制证据—反馈指标—下一轮校准”的闭环。
七、DNA 甲基化：状态测量与反馈观察的重要入口要寻找驾驭点，首先要更好地看见状态。
DNA 甲基化是理解衰老相关分子状态的重要入口之一。
近年来，DNA 甲基化时钟、表观遗传年龄和衰老速度相关指标，已经成为衰老研究中的重要方向。
但是，在长寿医学中，DNA 甲基化的价值不应只停留在计算一个“生物年龄”。
更重要的是，它可能为以下问题提供参考：
个体是否出现衰老相关分子状态变化；
某些衰老标志物相关信号是否偏离；
某些系统性风险线索是否值得进一步关注；
个体轨迹与人群参考轨迹是否存在差异；
健康管理前后，分子层面是否出现可观察变化。
与此同时，边界必须明确。
DNA 甲基化检测不能单独等同于器官功能诊断，也不能独立判断疾病状态。
它更适合作为理解衰老相关分子状态和长期健康轨迹的参考，需要结合体检、临床指标、生活方式、症状、既往健康史和专业评估综合解读。
此外，DNA 甲基化指标用于个体层面解释时，还需要注意检测平台、批次效应、组织来源、算法适用人群和重复测量误差。
八、研究趋势：组合干预、机制线索与真实终点近年来抗衰老干预研究的一个明显趋势，是从单一靶点逐步走向组合干预、分层人群和真实健康终点。
1. 多通路药物组合：从单药到组合2025 年 Nature Aging 发表的研究比较了雷帕霉素、曲美替尼以及二者联合对小鼠寿命和健康状态的影响。
雷帕霉素主要作用于 mTORC1 通路，曲美替尼作用于 Ras–MEK–ERK 通路。
研究显示，两者联合可以加和性延长小鼠寿命和健康寿命，并降低炎症和肿瘤生长等指标。
这说明，衰老很难由一条通路完全解释。
一个药物或一条通路往往只能覆盖部分表型，更有转化潜力的方向可能是多靶点、低剂量、周期性和人群分层的组合干预。
不过，这类药物组合目前仍主要是动物研究证据，距离人群健康管理应用还有很长距离，必须经过严格的安全性、适用人群、剂量、相互作用和临床终点验证，不能简单外推。
2. 热量限制机制研究：从“少吃”到理解可干预节点热量限制是衰老研究中最经典的干预方式之一。
但长期热量限制在人群中存在依从性、营养状态、肌肉流失和基础疾病等限制。
2026 年 Nature Aging 基于 CALERIE 相关研究，分析了持续两年热量限制后人体血浆蛋白质组变化，提示补体通路抑制与较低炎症衰老相关，C3a / C3 相关变化可能是连接代谢调节与炎症衰老的重要线索。
这类研究的启发是：长寿医学不应只问“少吃是否延寿”，还应进一步追问：
热量限制中哪些机制可能被更安全、更可持续地干预？
需要强调的是，这仍属于机制线索和转化假设，并不意味着已经有成熟方案可以完整复制热量限制的长期效应。
3. 人群组合干预：从单一补剂到分层组合2025 年 Nature Aging 发表的 DO-HEALTH 相关研究显示，Omega-3 在 3 年中对多个 DNA 甲基化衰老时钟有小幅保护作用；Omega-3、维生素 D 和运动组合在 PhenoAge 指标上具有累加保护效应。
这个结果并不夸张，但具有方法学意义。
它更接近真实世界健康管理中的组合干预场景。
不过，DNA 甲基化时钟属于衰老相关分子指标或替代终点，其变化不能直接等同于疾病风险、死亡风险或临床获益已经被证明下降。
DO-HEALTH 主试验在部分临床终点上并未显示显著改善，因此这类结果更适合被理解为分子层面的研究信号，而不是“补剂组合已经证明能延寿”的结论。
长寿医学真正要解决的问题包括：谁会响应，什么组合更合适，适合哪个年龄窗口，用什么终点评估，以及分子指标能否连接到肌肉、认知、感染、跌倒、心血管事件、失能和生活质量。
这正是可驾驭世界模型需要处理的问题。
九、AI 智能体的定位：不是自动医生，而是专业团队的副驾驶在长寿医学中，AI 智能体不应被理解为“自动医生”。
更合理的定位，是专业团队的副驾驶。
它可以帮助整理多源信息、识别状态偏离、组织候选路径、提示证据边界和追踪反馈。
它可以辅助回答：
当前最主要的状态偏离是什么；
哪些驾驭点最值得优先关注；
哪些动作低风险、可执行、可反馈；
哪些组合更适合当前阶段；
3 个月或 6 个月后应该观察什么；
如果反馈不符合预期，下一轮该换目标、换动作，还是重新评估状态。
它的价值不是把复杂医学简化成自动答案，而是让长期健康管理更连续、更系统、更个体化，也更容易被审计和校准。
十、科学边界：可驾驭不等于控制人体越是前沿方向，越需要讲清楚边界。
可驾驭世界模型、AI 智能体、千人千方、组合干预和个体化健康管理路径，都不等于自动诊疗，也不等于承诺疗效。
DNA 甲基化、生物年龄、衰老标志物和 AI 推演结果，都应被理解为健康管理和科学研究中的参考信息，而不是独立的临床诊断依据。
医学诊断、治疗决策和处方行为，仍应由合格医疗专业人员在相应规范下完成。
因此，可驾驭不是控制人体，而是在不确定性中更清晰地组织：
十一、结语：长寿医学需要的是可优化的驾驭系统目标、状态、驾驭点、组合动作、证据、反馈和校准。
抗衰老研究不应把希望全部放在某一个万能靶点上。
未来更有转化潜力的方向，是建立一套能够被测量、被优化、被验证的精准组合干预框架。
这正是可驾驭世界模型的价值所在。
它不只是看见状态，也不只是预测风险，而是帮助专业团队持续回答：
目标是什么？ 驾驭点在哪里？ 组合动作如何设计？ 反馈终点如何设置？ 下一轮如何校准？
如果说传统抗衰老研究更多关注“哪些分子可能延寿”，那么长寿医学进一步需要回答的是：在真实个体、真实约束和真实反馈中，如何建立一个可以长期学习和优化的健康管理系统。
附：深度甲基（DeepOMe）的相关探索深度甲基（DeepOMe），从 DNA 甲基化出发，构建人体衰老的 AI 世界模型，推动长寿科技从静态检测走向动态推演；让每个人迈向“可量化、可干预”的百岁人生。
具体而言，深度甲基的探索主要包括三个层面。
1. 以 DNA 甲基化作为人体衰老状态入口深度甲基以 DNA 甲基化等表观遗传信息为入口，探索人体衰老相关分子状态、器官系统风险线索和长期健康轨迹的多维建模。
其 Capome 多维衰老检测技术，面向衰老标志物 Aging Hallmarks 进行系统量化检测，尝试从分子层面描绘个体衰老状态的多维图谱。
2. 从静态检测走向动态推演如果检测只停留在一份报告，长寿管理很容易变成一次性服务。
深度甲基希望把 DNA 甲基化这一分子状态入口，与 AI 智能体、健康管理资源、组合动作、长期反馈和真实终点结合起来。
其核心方向不是只回答“现在怎么样”，而是进一步探索：当前状态偏离在哪里，哪些驾驭点值得优先关注，哪些组合动作更适合当前阶段，复测和随访应观察哪些反馈，以及下一轮如何校准路径。
3. 探索医学世界模型在长寿医学中的应用深度甲基已经围绕医学世界模型、可驾驭世界模型和长寿医学 AI 推演系统开展探索性工作。
相关方向强调的不只是预测，而是把状态、行动、转变、证据和反馈连接起来，帮助长期健康管理从“静态检测”走向“动态推演”。
这仍然是一个持续研究和验证中的方向。
它更适合被理解为长寿医学、健康管理和科学研究中的概念框架与方法论探索，而不是已经完成临床验证的医疗器械、诊断系统或自动诊疗系统。
相关网站与预印本深度甲基（DeepOMe）官网：https://deepome.com
SteeraMed 项目网站：https://SteeraMed.com
Steerable World 项目网站：https://steerable.world
Xiong, J. World Models for Biomedicine: A Steerability Framework. Preprints.org, 2026. https://doi.org/10.20944/preprints202605.0366.v1
Ha, D., & Schmidhuber, J. Recurrent World Models Facilitate Policy Evolution. Advances in Neural Information Processing Systems 31, 2018. https://arxiv.org/abs/1803.10122
LeCun, Y. A Path Towards Autonomous Machine Intelligence. OpenReview, 2022. https://openreview.net/forum?id=BZ5a1r-kVsf
Xiong, J. World Models for Biomedicine: A Steerability Framework. Preprints.org, 2026. https://doi.org/10.20944/preprints202605.0366.v1
Hopkins, A. L., & Groom, C. R. The druggable genome. Nature Reviews Drug Discovery, 1, 727–730, 2002. https://doi.org/10.1038/nrd892
Hopkins, A. L. Network pharmacology: the next paradigm in drug discovery. Nature Chemical Biology, 4, 682–690, 2008. https://doi.org/10.1038/nchembio.118
Barabási, A.-L., Gulbahce, N., & Loscalzo, J. Network medicine: a network-based approach to human disease. Nature Reviews Genetics, 12, 56–68, 2011. https://doi.org/10.1038/nrg2918
Gkioni, L., et al. The geroprotectors trametinib and rapamycin combine additively to extend mouse healthspan and lifespan. Nature Aging, 5, 1249–1265, 2025. https://doi.org/10.1038/s43587-025-00876-4
Mishra, M., Kim, H.-H., et al. Exoproteome of calorie-restricted humans identifies complement deactivation as an immunometabolic checkpoint reducing inflammaging. Nature Aging, 2026. https://doi.org/10.1038/s43587-026-01107-0
Waziry, R., Ryan, C. P., et al. Effect of long-term caloric restriction on DNA methylation measures of biological aging in healthy adults from the CALERIE trial. Nature Aging, 3, 248–257, 2023. https://doi.org/10.1038/s43587-022-00357-y
Bischoff-Ferrari, H. A., et al. Individual and additive effects of vitamin D, omega-3 and exercise on DNA methylation clocks of biological aging in older adults from the DO-HEALTH trial. Nature Aging, 5, 376–385, 2025. https://doi.org/10.1038/s43587-024-00793-y
Bischoff-Ferrari, H. A., et al. Effect of Vitamin D Supplementation, Omega-3 Fatty Acid Supplementation, or a Strength-Training Exercise Program on Clinical Outcomes in Older Adults: The DO-HEALTH Randomized Clinical Trial. JAMA, 324(18), 1855–1868, 2020. https://doi.org/10.1001/jama.2020.16909
López-Otín, C., Blasco, M. A., Partridge, L., Serrano, M., & Kroemer, G. The Hallmarks of Aging. Cell, 153(6), 1194–1217, 2013. https://doi.org/10.1016/j.cell.2013.05.039
López-Otín, C., Blasco, M. A., Partridge, L., Serrano, M., & Kroemer, G. Hallmarks of Aging: An Expanding Universe. Cell, 186(2), 243–278, 2023. https://doi.org/10.1016/j.cell.2022.11.001
Horvath, S. DNA methylation age of human tissues and cell types. Genome Biology, 14, R115, 2013. https://doi.org/10.1186/gb-2013-14-10-r115
Belsky, D. W., Caspi, A., Corcoran, D. L., et al. DunedinPACE, a DNA methylation biomarker of the pace of aging. eLife, 11, e73420, 2022. https://doi.org/10.7554/eLife.73420
https://blog.sciencenet.cn/blog-508476-1536098.html
上一篇：世界模型与系统生物学模型有什么不同？
