性别特异性生物衰老时钟：跨器官与多组学视角下的健康与疾病图谱

性别以差异性方式塑造衰老、神经发育以及阿尔茨海默病(Alzheimer’s disease, AD)等神经退行性疾病。然而，大多数生物衰老时钟（人工智能预测年龄减去实际年龄）是在性别混合(sex-pooled)样本中训练的，并隐式假设性别不变性。研究人员开发了覆盖15个器官系统的38个性别特异性生物衰老时钟。研究人员首先证明性别分层训练对于构建性别特异性健康规范参考(healthy normative references)的重要性，随后揭示女性与男性时钟之间的显著分化。关键遗传参数与孟德尔随机化(Mendelian randomization, MR)结果表明，器官特异性衰老易感性及其与心脏代谢、内分泌和精神性状的关系在女性和男性中配置不同。蛋白质组学分析识别出不同的、器官分辨的突触、免疫、血管和代谢网络，分别以不同方式追踪女性和男性生物衰老。在纵向生存分析中，性别特异性时钟以性别依赖和器官依赖的方式预测全身系统性疾病与全因死亡(alls-cause mortality)。进一步分析揭示脑衰老时钟与临床前AD临床试验中认知下降轨迹之间存在性别依赖性关联。性别分层时钟通过依据性别适宜的规范参考定义生物年龄，并揭示性别混合模型可能掩盖的性别依赖遗传、分子和临床特征，从而提供独特价值。同时，性别混合与性别交互(sex-interaction)方法仍有价值，因为人类衰老与疾病在女性和男性之间也存在基本生物学相似性。这些发现揭示了衰老、AD和全身健康中的性别特异性生物衰老特征，凸显了明确性别分层建模方法的必要性。

研究背景方面，实际年龄（chronological age）只能部分反映细胞损伤、系统功能障碍和年龄相关疾病易感性积累，而生物衰老（biological aging）可更细致刻画这些过程，并在个体间和器官系统间存在异质性。人工智能衍生的生物衰老时钟通过多组学轮廓、神经影像和临床表型等数据预测实际年龄，其预测年龄与实际年龄的偏差称为生物年龄差（biological age gap, BAG），已被联系到生活方式暴露、共病、认知下降和死亡。性别与性别相关因素几乎塑造人类衰老各方面：女性更长寿但晚年患病率更高，男性心肺代谢疾病更早发且负担更重，AD和相关痴呆中女性疾病负担更重、认知储备与症状起病模式不同、对疾病修饰疗法反应可能不同。尽管性别差异证据充分，多数生物衰老时钟仍在隐式性别不变假设下用性别混合样本训练，导致难以区分性别共有与性别特有方差、难以判断同一分子或影像特征在两性中是否反映相同衰老过程、也难以判断时钟预后价值是否跨性别一致，下游临床试验人群选择等应用可能延续性别偏倚。因此，研究人员开展本研究，依托MULTI Consortium多模态数据，在女性和男性中分别推导15个器官系统与3个组学层的性别特异性生物衰老时钟，系统比较其性能、生物决定因素与临床含义。

主要关键技术方法方面，研究人员使用MULTI Consortium、UK Biobank（UKBB）、Baltimore Longitudinal Study of Aging（BLSA）、Alzheimer’s Disease Neuroimaging Initiative（ADNI）与Anti-Amyloid Treatment in Asymptomatic Alzheimer’s（A4）等队列；其中UKBB提供多器官MRI、血浆蛋白质组、代谢组、住院诊断与死亡随访，BLSA用于蛋白质组复制，ADNI提供AD连续谱纵向MRI与转化数据，A4提供临床前抗淀粉样蛋白药物solanezumab试验与Preclinical Alzheimer’s Cognitive Composite（PACC）认知轨迹。方法上采用性别分层训练年龄预测模型、年龄偏倚校正、基因组 Wide Association Study（GWAS，全基因组关联研究）与SBayesS遗传参数估计、MR、蛋白质组 Wide Association Study（ProWAS，蛋白全关联分析）、代谢组 Wide Association Study（MetWAS，代谢物全关联分析）、Cox比例风险生存分析以及临床试验中按性别分层的大脑MRI生物年龄（brain MRIBAG）认知轨迹分析。

研究结果方面，首先在“Compared to sex-pooled aging clock models, sex-stratified aging clock models mitigate overfitting with similar demographics and sample sizes”中，研究人员以脂肪MRIBAG为例，在相同交叉验证框架、匹配训练样本量和年龄分布下比较性别分层与性别混合模型，发现性别特异性时钟在认知正常留存数据中MAE更低、Pearson’s r更高，且从训练/验证/测试集到独立留存集的性能退化更小，说明性别分层可减轻过拟合并避免将两性衰老生物学混合。在“Performance of sex-stratified models for deriving sex-specific biological aging clocks”中，研究人员对23个原有BAG分别训练女性与男性模型，留存集MAE约5年，与既往性别混合模型相近；但部分时钟如男性eye ProtBAG虽MAE相近却与实际年龄无显著相关，说明需同时报告MAE、Pearson’s r与R²。16对器官BAG比较中，除spleen、pancreas、adipose MRIBAG与reproductive female ProtBAG外大多数存在显著性别差异，下游分析采用18个男性特异和20个女性特异且无明显过拟合的BAG。

在“Genetic architecture of sex-specific biological clocks”中，研究人员对38个性别特异性BAG做GWAS，鉴定359个基因组位点-BAG对，LDSC截距近1说明无严重膨胀；SBayesS估计SNP-based heritability（h²，SNP位点的遗传力）、自然选择信号S与polygenicity（Pi，多基因性）。结果发现性别差异是器官特异和性别特异而非一律：hepatic ProtBAG、liver MRIBAG、metabolic MetBAG在女性h²更高，immune MetBAG、skin ProtBAG、spleen MRIBAG在男性h²更高；S两性别均负向，Pi在endocrine ProtBAG女性更高、immune ProtBAG男性更高；性别特异性时钟h²一般高于性别混合时钟。

在“Mendelian randomization-supported associations between sex-specific biological aging clocks and DEs”中，研究人员以疾病终点（disease endpoints, DEs）与BAG互相作为暴露和结局做MR，DE2BAG发现103对、BAG2DE发现63对显著关联且多为性别特异：女性中AD、睡眠、精神终点更多连到MetBAG，男性中糖尿病微血管并发症和代谢性状更强；如睡眠障碍→immune MetBAG仅在女性显著负向，性别混合免疫MetBAG MR不显著，提示女性睡眠紊乱易通过激素与免疫轴转化为慢性免疫代谢重塑。

在“Molecular landscape of sex-specific biological clocks”中，研究人员将7个MRIBAG连到Olink 2,923个血浆蛋白做ProWAS，并排除ProtBAG与MetBAG以避免循环性。brain MRIBAG在女性独有SLITRK1负向关联，男性有ADAM22、GDF15、SEZ6L等8个特异蛋白；spleen MRIBAG男性连46个炎症与白细胞标志如TNF，女性仅4个免疫调节蛋白；adipose MRIBAG呈女性主导。PSEA显示脑、肝、脾、脂肪相关蛋白分别富集突触、免疫、血管与代谢网络。MetWAS与血浆代谢物和脂蛋白关联整体较弱。

在“Sex-specific biological aging clocks predict future onset of DEs”中，研究人员用UKBB约20年住院随访做Cox模型，女性中heart MRIBAG预测essential hypertension（I10）、immune MetBAG预测hypercholesterolemia（E780）与type 2 diabetes（E119），metabolic MetBAG连bipolar affective disorder（F319）风险约3.9倍；男性中metabolic/endocrine MetBAG、heart ProtBAG、adipose MRIBAG、renal/endocrine ProtBAG等预测高血压、糖尿病、房颤、膝骨关节炎、慢性肾病、间质性肺病等多器官疾病，显示男性DE-BAG耦合更广。

在“Sex-specific biological aging clocks predict future risk of all-cause mortality”中，女性12个BAG-死亡对显著，涉及多器官ProtBAG与metabolic/immune MetBAG且多增加风险；男性14对显著且liver/spleen MRIBAG呈潜在保护关联。

在“Sex-specific brain aging clocks predict disease progression of AD”中，ADNI数据显示CN→MCI阶段brain MRIBAG两性别均不显著，MCI→AD阶段两性别均显著且女性更强：男性每高1个SD脑龄老化的AD转化HR=1.74，女性HR=2.25；Kaplan-Meier中CN→MCI两性别边界差异，MCI→AD基本无分离。

在“Sex-specific biological aging clocks predict cognitive decline under preclinical anti-amyloid drug”中，A4试验里decelerated brain agers（brain MRIBAG≤0）在240周时女性PACC高于男性且有性别差异，accelerated brain agers内两性别均较基线明显衰退；说明脑衰老时钟可捕捉临床前AD中性别依赖认知轨迹。

讨论部分总结方面，研究人员指出性别特异性h²与Pi模式可能源于遗传与环境方差平衡随性别和器官变化：女性肝与代谢BAG受生殖激素、妊娠、绝经等通道化影响更大，男性免疫-炎症轴更受常见SNP锚定。MR表明疾病易感性到器官衰老的因果关联是强性别依赖与器官依赖：女性经digestive/hepatic MetBAG形成肠-肝-血管轴，男性经endocrine/immune MetBAG形成激素-免疫-血管轴。性别分层、性别混合与性别交互不是互斥而是互补：规范建模中性别分层可揭示被混合模型掩盖的器官与疾病模式，但许多衰老过程两性共有，性别混合可最大化样本与稳定性，性别交互可检验关联是否因性别不同。

研究结论部分翻译为：本研究中，研究人员利用多器官MRI、血浆蛋白质组、代谢组、临床结局与临床试验数据系统绘制了生物衰老在女性与男性间跨器官、跨组学和临床结局的分化图谱，构建了38个性别特异性生物衰老时钟。借助性别分层规范衰老建模框架，研究人员在部分器官系统与疾病情境中识别出显著性别差异，同时也认识到性别相似性同样是人类衰老与疾病的常见特征。性别特异性时钟在规范建模中特别有用，因为它们在估计偏离健康衰老的偏差前先定义女性特异与男性特异参考轨迹，从而揭示性别混合模型中被削弱的器官特异或疾病特异模式，尤其在脂肪组织等已知性别二态系统中。与此同时，性别特异性建模不应被解释为普遍更优，而应依情境使用；性别混合模型可捕捉共有衰老特征，性别交互分析可保留全人群并检验性别差异。因此，性别分层、性别混合与性别交互应被视为互补方法，最优策略取决于科学问题、样本量、器官系统与疾病背景。该研究发表于《Nature Medicine》。