【学术前沿】Lancet子刊 | 韩敬东课题组受邀发表人脸衰老时钟评论文章

衰老过程可能会导致多种疾病的产生与发展，并且在不同个体间表现出巨大的异质性。因此，如何监测和量化衰老速率是衰老领域研究的一个基本问题。目前科学家们已经通过机器学习的方法构建了多种衰老时钟来预测生理年龄。预测年龄与生理年龄之间的残经过校正，被视为生物学衰老速率。DNA甲基化时钟是目前最广为人知的衰老时钟。然而生物样本的采集和高通量测序往往是侵入性、耗时且昂贵的，这也对衰老时钟的转化应用带来了阻碍。另一方面，基于组学的衰老时钟的样本规模在通常情况下相对较小，可能会影响模型的泛化能力，并限制了强大的深度学习方法在衰老时钟领域的应用。

为了解决上述问题，韩敬东课题组已通过支持向量回归（SVR）和深度卷积神经网络（CNN）构建了面部衰老时钟，其平均绝对偏差（MAD）分别为6.0岁和2.8岁。面部衰老时钟所得的衰老速率与转录组具有显著相关性，并且能够识别介导生活方式效应进而影响衰老速率的分子调节因子。近日北京大学韩敬东教授（中国细胞生物学学会衰老细胞生物学分会副会长）应邀在Lancet Regional Health-Western Pacific发表“Clinical Application of Facial Aging Clocks”的Comment文章，展望了面部衰老时钟在临床的巨大应用前景。

研究表明，许多疾病与衰老速率存在密切关系。DNA甲基化时钟在如肿瘤、战斗后创伤后应激障碍等疾病中都出现衰老加速现象。单细胞RNA测序时钟在COVID和红斑狼疮等疾病中可加速10-20年，并在超级百岁老人中减缓数十年。衰老速率甚至能够反映死亡风险。面部衰老时钟的加速也与全身性炎症、高血胆固醇和尿酸有关。与其他组学衰老时钟不同，面部衰老时钟非常适合临床应用场景。面部图像采集和生物学年龄计算通常在几分钟内就可以完成，因此非常适合日常衰老速率监测。除去监测不同疾病下的衰老速率，纵向的衰老速率变化也可以为医生提供全新视角，用以评估病人身体状态和疗法的科学有效性。由于衰老速率可以受疾病影响，医生可以通过观测衰老速率来优化调整药物使用，进而更好地治疗患者。同时医生可以根据衰老速率科学指导病人出院后的日常生活方式调整，进而改善衰老状况。总体来说，面部衰老时钟具有费用低廉、非侵入性。方便快捷等优点，并且可以方便地部署到临床医院。

此外面部衰老时钟的应用并不局限于医院。面部衰老时钟可以用于方便地评估抗衰老疗法的效果。如果面部衰老时钟未来可以部署到智能手机上，大家都可以方便地进行日常衰老速率监测。这种方式有望培养大家主动健康，监测衰老的习惯。从公共卫生的角度来看，通过面部衰老时钟监测衰老可以预防或延缓疾病的进展，并减轻经济和医疗压力。目前部分重大疾病也都呈现出面部异常，例如唐氏综合症。基于深度学习的面部图像分析在神经发育失调疾病中显示出高精确度。这表明基于面部图像进行某些疾病的预诊断和风险评估在临床上也是可行的。我们预计未来有大量基于人脸图像的疾病诊断模型出现，辅助医生快速诊断、管理乃至预防部分疾病。

然而，面部衰老时钟在临床应用中存在一些限制。地理差异对面部的影响可能会引入混淆因素。面部外貌在全球不同地区都表现出显著的变化。最近对3D面部图像的研究进一步揭示了东亚人群和欧洲人群之间面部形态的显著差异。环境和生活方式因素也影响面部发育。此外，虽然基于深度学习的面部图像分析为未来的临床应用带来了希望，但需要认识到某些疾病相关的面部变化可能是微妙的，并且可能与正常变化或非与疾病相关的因素重叠。最后，许多疾病表现出不同的症状。为了提高疾病识别的准确性和可靠性，采用综合方法整合多种诊断因素是至关重要的，包括病史、体格检查和医学检测等。

中国科学院上海营养与健康研究所（马普计算生物学研究所）博士生王一洋、以及北京大学定量生物学中心博士生毛科航和翟浩田为共同第一作者。北京大学前沿交叉研究院定量生物学中心博雅教授韩敬东为通讯作者。本项研究受到国家自然科学基金委和科技部的支持。

原文链接：https://doi.org/10.1016/j.lanwpc.2023.100858

原标题：《【学术前沿】Lancet子刊 | 韩敬东课题组受邀发表人脸衰老时钟评论文章》

阅读原文