基于集成学习的代谢组衰老与死亡时钟在 18,476 人中识别全生命周期系统性衰老风险

研究团队基于中国 6 个中心 18,476 名 1 至 96 岁参与者的血浆代谢组，用纳米辅助激光解吸电离质谱（LDI-MS）鉴定出 56 个代表性年龄相关代谢物，并构建 stacking 集成模型估计代谢组年龄，以代谢组年龄加速（mAA）衡量个体偏离实际年龄的程度。在健康队列中，较高的 mAA 与健康状态恶化和不良生活方式相关；2019 至 2025 年随访显示，mAA 加速者的脂肪肝、高血压、糖尿病等慢性病发病风险和全因死亡率升高。