往期回顾:
衰老的生物物理:(1) 生命是一台逆熵的机器
衰老的生物物理:(2) 损伤是常态,修复是概率
衰老的生物物理:(3) 机器在磨损,能源在泄漏
衰老的生物物理:(4) 各处的时钟不同,崩塌来得突然
衰老的生物物理:(5) 死亡率的指数曲线
衰老的生物物理:(6) 活得更久,不等于健康得更久
衰老的生物物理:(7) 衰老不是滑下去的,是掉下去的
衰老的生物物理:(8) 寿命有多少是掷骰子
衰老的生物物理:(9) 寿命的标度律
衰老的生物物理:(10) 衰老的熵增:为什么修补总也追不上磨损
衰老的生物物理:(11) 衰老的重置:为什么每一代都从零岁开始
衰老的生物物理:(12) 衰老的权衡:为什么身体不肯重开一次
衰老的生物物理:(13) 衰老的干预:在约束之内,能拧动哪几个旋钮
衰老的生物物理:(14) 衰老的边界:人类的寿命到底有没有天花板
▍本系列用生物物理的语言,把「衰老」从头讲一遍
上一篇把问题停在了边界上:人类的寿命有没有天花板。可那道边界画在哪里,取决于我们用什么尺子去量。实足年龄是最省事的一把——它只数了日历,没数身体里发生了什么。于是过去十几年里,一批新的尺子被造了出来:数 DNA 甲基化的、数血浆蛋白的、数身体赤字累积的、一次测几十种组学的。麻烦在于,它们给出的读数常常对不上。
对不上到什么程度?一个 60 岁的人,甲基化时钟可能报 58,虚弱指数换算出的年龄可能报 66,代谢指标给出的又是第三个数字。这不是哪一把尺子做错了,而是它们本来就没在量同一件东西——有的量状态,有的量速率,有的量功能。于是问题变成了三个:
几把尺子到底在量同一件事吗?如果它们的读数不一致,该信哪一个?以及,一个数字究竟能不能装下衰老——如果不能,我们该拿什么当作「衰老被改变了」的证据?
一、先把「年龄」这个词拆开:三个不同的数字
日常说的年龄,至少混着三个不同的量。
第一个是实足年龄(chronological age):从出生算起过去了多少年。它只是一个计数,本身不含任何关于身体的信息。
第二个是生物学年龄(biological age):身体现在的状态,相当于同类人群里多大年纪的通常状态。它是一个存量——累积到今天为止的总和。
第三个是衰老速率(pace of aging):每过一个日历年,身体往前走了几个生物年。它是一个流量。
存量与流量不是一回事,第十篇的方程里分得很清楚:损伤 D 是存量,dD/dt 才是流量。一个人可以积累得很多、此刻却走得很慢——年轻时透支,后来收了手;也可以积累得不多、却正在加速——底子很好,近两年失控。要看清一个人的处境,里程表和速度表都得读。下面几节,把这个系列里出现过的尺子一把一把摆出来。
二、第一把尺子:甲基化凭什么报得出年龄
2013 年,霍瓦特(Steve Horvath)用约 8000 份非癌样本、覆盖 51 种组织与细胞类型的甲基化数据,挑出 353 个 CpG 位点,做成一个加权求和的公式。它给出的甲基化年龄与实足年龄的相关系数达到 0.96,中位绝对误差 3.6 年,而且同一套权重在血液、脑、肌肉、肾上都能用——所谓「泛组织」(pan-tissue)时钟[1]。同年,汉纳姆(Gregory Hannum)等只用全血,以 71 个 CpG 做到了相近的精度[2]。
不过这套公式在某些样本上会明显跑偏,尤其是培养中的成纤维细胞;后来又有了专为皮肤与血液重新训练的时钟,用了 391 个 CpG[3]。这类补丁本身就在提示:所谓泛组织并不是真的与组织无关,只是大部分组织共有的那部分信号足够强。
甲基化为什么能报年龄?一半来自发育程序的延续——从胚胎到成年,基因组上哪些位点该被标记、哪些该被擦掉,是有序推进的;第十一篇讲过这套标记在生殖系里会被整体重置,正说明它确实携带「已经运行了多久」的信息。另一半来自维护系统的漂移:每次细胞分裂,甲基化模式都会出现少量随机的错配与丢失,研究者把一个人身上这类随机表观突变的总数称为表观突变负荷(epigenetic mutation load),它随实足年龄上升[4]。前者是有序的钟,后者是噪声的堆积,时钟读到的是两者之和。
这里藏着一个反直觉的地方:时钟报得越准,它就越只是在报时。相关系数 0.96 意味着它绝大部分信息就是实足年龄本身;而研究者真正关心的,是那 3.6 年之外的偏离——甲基化年龄比实足年龄大出多少。这个偏离被称为表观遗传年龄加速(epigenetic age acceleration),几乎所有关于疾病与死亡的研究用的都是它。可偏偏是这个偏离最容易被量薄:芯片噪声、血液细胞组成的波动,都会让它晃动。图 1 画的就是这条主线,以及它周围散开的那些点。
图 1|甲基化年龄与实足年龄(示意):横轴是实足年龄,纵轴是时钟给出的甲基化年龄,点云沿对角线分布(相关系数约 0.96),两条虚线是中位绝对误差约 3.6 年的范围。真正被拿去预测疾病与死亡的,是点到对角线的垂直偏离——表观遗传年龄加速。
三、第二代:把训练目标从「年龄」换成「风险」
第一代时钟再准,拟合的也是实足年龄。要让它说出健康信息,得把训练目标换掉。
2018 年,莱文(Morgan Levine)等做了两步:先用九项临床指标(白蛋白、肌酐、血糖、C 反应蛋白、淋巴细胞比例、平均红细胞体积、红细胞分布宽度、碱性磷酸酶、白细胞计数)加上实足年龄,构造出一个「表型年龄」;再用 513 个 CpG 去拟合它,得到 DNAm PhenoAge[5]。2019 年,卢(Ake Lu)等走得更远:先用甲基化拟合七种血浆蛋白(肾上腺髓质素、β2-微球蛋白、胱抑素 C、GDF-15、瘦素、PAI-1、TIMP-1)以及吸烟包年,再用这 1030 个 CpG 去拟合「距死亡还有多久」,得到 DNAm GrimAge[6]。
名字里的 Grim 不是修辞。第二代的两把尺子在死亡、心血管病、癌症、认知与身体功能上的预测力,都明显超过第一代。道理也不复杂:训练目标换了,尺子的刻度就跟着换了。第一代回答「你多大」,第二代回答「你有多危险」。
四、速度表:把「走了多远」和「走得多快」分开
第二代给出的仍是存量,一个状态值。而干预试验最需要的,是一个在两三年里就能动起来的读数。
2022 年,贝尔斯基(Daniel Belsky)等用新西兰达尼丁队列给出了第三种做法。这个队列追踪 1972 至 1973 年出生的 1037 人,在 26、32、38、45 岁四次随访中测量 19 项器官系统指标,涵盖心血管、代谢、肾、肝、免疫、牙周与肺;先拟合出每个人自己的衰退速率,再用 45 岁那次采血的 173 个 CpG 把它压缩成一次抽血就能读出的数字,即 DunedinPACE[7]。这套读数的单位是「生物年每日历年」:读数 1.0 表示每过一个日历年老去一个生物年。在被压缩之前,那份衰退速率在队列里均值定在 1、标准差 0.29——最慢的人只有 0.40,最快的人达到 2.44。
这就是里程表与速度表的区别。两年的少吃、多动、吃药,更可能先改变此刻的速率,而不是几十年累积下来的存量。第十篇讲过损伤积累与修复之间的赛跑,DunedinPACE 想量的正是这场赛跑此刻的比分,而不是已经跑完的里程。
五、几把尺子,互相不同意
问题来了:这些尺子给出的数字,彼此一致吗?
答案分两半,而且两半差得很远。在弗雷明翰心脏研究(Framingham Heart Study)2326 人的数据里,各时钟给出的年龄读数彼此高度相关,相关系数在 0.73 至 0.90 之间——唯一的例外是甲基化推算的端粒长度,它与实足年龄和各时钟的读数都呈负相关(−0.63 至 −0.72)。可一旦扣掉实足年龄、只看年龄加速,一致性就塌了:汉纳姆时钟与霍瓦特时钟的加速值之间只有 0.48,与内在时钟之间 0.40,而 GrimAge 的加速值与其他几项只呈弱相关[4]。
换句话说:几把尺子在「你多大」这个问题上意见高度一致,却恰恰在「你比同龄人老多少」这个我们真正关心的问题上各说各话。而后者,才是被拿来预测疾病与死亡的那个量。
最直接的一次对照来自 CALERIE 试验:220 名体重正常的健康成人被随机分到 25% 热量限制或随意饮食,持续两年。2023 年发表的甲基化分析显示,限食组的 DunedinPACE 变慢了(约 2% 至 3%),而 PhenoAge 与 GrimAge 没有出现显著变化[8]。作者自己把话说得很克制:效应量小,两组的变化轨迹约九成是重叠的——随便抽一个限食者和一个对照者,很难从读数上分辨谁是谁。
这不是哪把尺子出了错。DunedinPACE 量的是此刻的速率,另两个量的是累积的存量;两年的少食,本来就应当先动前者。可它也把一个尴尬摆到了台面上:同一个干预,换一把尺子,结论就换一次。图 2 把这个落差画了出来。
图 2|一致的,与不一致的(示意):左柱是各时钟「年龄读数」之间的相关系数(约 0.73–0.90),右柱是扣掉实足年龄后「年龄加速」之间的相关系数(约 0.4–0.5,GrimAge 与其他更弱)。几把尺子在「你多大」上几乎同声,在「你比同龄人老多少」上却各说各话。
六、不止一把尺子:从时钟到终点
甲基化之外,还有两类尺子值得摆到桌上。
第一类几乎不用分子:洛克伍德(Kenneth Rockwood)与米特尼茨基(Arnold Mitnitski)的虚弱指数(frailty index)。它只数一件事——在几十项健康条目(症状、体征、疾病、失能与实验室异常)里,这个人占了多少比例。挑哪三十项还是七十项,结论都能复现;指数每年大约增加 0.03,累积到 0.7 附近就接近人体能承受的极限[9]。它量的是功能这一端,与甲基化那一端并不互相替代。
第二类从另一个方向拆掉了「一个数字」的念头。2020 年,阿哈迪(Sara Ahadi)等对 106 名 29 至 75 岁的健康人做纵向多组学剖析(转录本、蛋白、代谢物、细胞因子、微生物与临床检验),跟踪 2 至 3 年。他们发现,每个人身上随时间变化的通路并不相同,可以大致归为免疫型、代谢型、肾脏型、肝脏型等几种衰老型(ageotypes)[10]。同一个身体里,不同系统的读数本来就不该同步——第十二篇讲过身体一直在维护、繁殖与抗癌这几件事之间做取舍,预算的分配本来就偏科,现在这个结论落到了测量上:衰老不是一条单行道,一个数字只能记录它在某个方向上的投影。图 3 是一个示意。
图 3|同一批人,四把尺子(示意):三位同为 60 岁的虚拟个体,在甲基化时钟、虚弱指数、炎症与代谢指标、甲基化推算端粒上的「生物学年龄减去实足年龄」各不相同,排名互相交叉。谁更老,取决于用哪一把尺子。
于是问题落回试验台:我们究竟该拿什么当终点?2015 年,美国食品药品监督管理局同意了 TAME 试验的设计——它的终点不是「衰老」,而是一个复合事件:心血管事件、癌症、痴呆或死亡,看哪一个先到[11]。这一步的意义在于,监管机构并不把衰老当作可以治疗的适应症,于是衰老只能先被翻译成疾病,才能进入审批的语言。
2024 年,一个由数十位研究者组成的联合体给出了验证衰老标志物的框架[12]:不要只拿死亡当结局,还要看功能下降、虚弱、慢病与失能;尽量用多组学交叉印证;并且要证明这个读数在个体层面既稳定、又会对干预作出响应。这几条合起来,说的其实是第十三篇讲过的那句:代理终点只有在与真正的临床结局绑定之后,才算数。
七、小结:衰老的第十一种形状
「年龄」至少可以拆成三个数字:实足年龄是计数,生物学年龄是存量(里程表),衰老速率是流量(速度表);存量与流量可以不一致,两者都要读;
第一代甲基化时钟把「报时」做到了极致(353 个 CpG、51 种组织、相关系数 0.96、中位误差 3.6 年),可它绝大部分信息就是实足年龄本身;真正被拿去预测疾病与死亡的,是那 3.6 年之外的偏离——表观遗传年龄加速;
第二代把训练目标换成死亡与表型(PhenoAge 用 513 个 CpG、GrimAge 用 1030 个 CpG),第三代用纵向数据把目标换成速率(DunedinPACE 用 173 个 CpG;它所追踪的衰退速率在队列里均值 1、标准差 0.29,最慢 0.40、最快 2.44);换目标就等于换刻度;
几把尺子在「你多大」上高度一致(相关系数 0.73–0.90),在「你比同龄人老多少」上却只有中度甚至弱相关;两年的热量限制减慢了速率,却没有改变存量的读数——换一把尺子,就换一次结论;
时钟之外还有虚弱指数(赤字占比,每年约增加 0.03,累积到 0.7 附近即近极限)与衰老型(免疫、代谢、肾、肝等),它们量的是功能与通路,不与甲基化互相替代;衰老是多维的,一个数字只是它在某个方向上的投影;
所以终点之争比读数之争更关键:TAME 用复合终点把衰老翻译成疾病,2024 年的验证框架要求多组学、多结局、个体层面响应——代理终点只有与临床结局绑定之后,才算数。
回到整个系列的位置上:第五篇把衰老画成一条曲线,第六篇画成一道缺口,第七篇画成一片地势,第八篇画成一个分布,第九篇画成一条标度线,第十篇画成一场赛跑,第十一篇画成一次归零,第十二篇画成一场取舍,第十三篇画成一组旋钮,第十四篇画成一道边界,这一篇把衰老画成一把尺子——曲线是平均值的形状,缺口是落差的形状,地势是稳定性的形状,分布是随机性的形状,标度线是秩序的形状,赛跑是热力学的形状,归零是谱系的形状,取舍是演化的形状,旋钮是工程的形状,边界是极限的形状,而尺子,是测量的形状:它不追问衰老本身是什么,只追问当我们说「变老了」的时候,手里的数字究竟量到了什么。
尺子量到的那一部分,说到底是一套化学标记;而身体里还有更多东西在被慢慢地写错、读错、忘掉,甲基化只是其中被读得最清楚的一层。第十六篇,我们讲衰老的信息:细胞是怎么忘记自己是谁的。
参考资料:
1. Horvath S. DNA methylation age of human tissues and cell types. Genome Biology, 2013, 14(10): R115.2. Hannum G, Guinney J, Zhao L, et al. Genome-wide methylation profiles reveal quantitative views of human aging rates. Molecular Cell, 2013, 49(2): 359-367.3. Horvath S, Oshima J, Martin GM, et al. Epigenetic clock for skin and blood cells applied to Hutchinson Gilford Progeria Syndrome and ex vivo studies. Aging (Albany NY), 2018, 10(7): 1758-1775.4. Yan Q, Paul KC, Lu AT, et al. Epigenetic mutation load is weakly correlated with epigenetic age acceleration. Aging (Albany NY), 2020, 12(18): 17863-17894.5. Levine ME, Lu AT, Quach A, et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging (Albany NY), 2018, 10(4): 573-591.6. Lu AT, Quach A, Wilson JG, et al. DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging (Albany NY), 2019, 11(2): 303-327.7. Belsky DW, Caspi A, Corcoran DL, et al. DunedinPACE, a DNA methylation biomarker of the pace of aging. eLife, 2022, 11: e73420.8. Waziry R, Ryan CP, Corcoran DL, et al. Effect of long-term caloric restriction on DNA methylation measures of biological aging in healthy adults from the CALERIE trial. Nature Aging, 2023, 3(3): 248-257.9. Rockwood K, Mitnitski A. Frailty in relation to the accumulation of deficits. The Journals of Gerontology: Series A, 2007, 62(7): 722-727.10. Ahadi S, Zhou W, Schüssler-Fiorenza Rose SM, et al. Personal aging markers and ageotypes revealed by deep longitudinal profiling. Nature Medicine, 2020, 26(1): 83-90.11. Barzilai N, Crandall JP, Kritchevsky SB, Espeland MA. Metformin as a tool to target aging. Cell Metabolism, 2016, 23(6): 1060-1065.12. Moqri M, Herzog C, Poganik JR, et al. Validation of biomarkers of aging. Nature Medicine, 2024, 30(2): 360-372.
(未完待续)