Phenome-Wide Multi-Omics Integration Uncovers Distinct Archetypes of Human Aging
Huifa Li, Feilong Tang, Haochen Xue, Yulong Li, Xinlin Zhuang, Bin Zhang, Eran Segal, Imran Razzak
衰老是一个高度复杂和异质的过程,在个体之间以不同的速度进展,使生物年龄(BA)成为生理衰退的更准确指标,而不是按时间顺序的年龄。 虽然之前的研究已经使用单组学数据构建了老化时钟,但它们往往无法捕捉人类衰老的全部分子复杂性。 在这项工作中,我们利用人类表型项目,这是一个由12,000名年龄在30-70岁之间的成年人组成的大规模队列,具有广泛的纵向分析,包括临床,行为,环境和多组学数据集 - 跨越转录组学,脂质组学,代谢组学和微生物组。 通过使用能够对非线性生物动力学进行建模的高级机器学习框架,我们开发并严格验证了多组学老化时钟,可以可靠地预测不同的健康结果和未来的疾病风险。 来自多组学的集成分子谱的无监督聚类发现了不同的衰老生物亚型,揭示了衰老轨迹中惊人的异质性,并确定了与不同衰老模式相关的途径特异性变化。 这些发现证明了多组学整合的力量,可以解码衰老的分子景观,并为个性化的健康扫描监测和预防与年龄相关的疾病的精确策略奠定基础。
Aging is a highly complex and heterogeneous process that progresses at different rates across individuals, making biological age (BA) a more accurate indicator of physiological decline than chronological age. While previous studies have built aging clocks using single-omics data, they often fail to capture the full molecular complexity of human aging. In this work, we leveraged the Human Phenotype Project, a large-scale cohort of 10,000 adults aged 40-70 years, with extensive longitudinal profil...