這套時鐘最革命性之處,在於它並非單純估算日曆年齡,而是直接「預測死亡風險」。研究團隊將每個樣本的「存活數據」整合進機器學習模型中,訓練出所謂的「第二代時鐘」。這些模型不問你幾歲,而是直接計算你的「預期死亡機率」。最終成果顯示,這些經過死亡率訓練的時鐘,能夠在四種哺乳動物中,強有力地預測生物老化的累積程度,以及未來因任何原因死亡的風險有多高
。
更棒的是,這些時鐘具備「跨組織」的通用性,但也能捕捉「器官特異性」。舉例來說,與發炎、免疫活化相關的衰老基因程式,在大腦、肝臟、腎臟和血液中都能普遍觀察到;但某些代謝轉變則只發生在特定器官 。這意味著,理論上只要一次簡單的抽血,就能得到具參考意義的全身性生物年齡讀數;而針對特定組織的時鐘,則可更深入追蹤器官層級的老化情形
。
過去,抗衰老研究的最大痛點就是「時間」。傳統的長壽實驗若以小老鼠為模型,往往需要耗時三到四年,追蹤牠們從年輕到自然死亡的完整過程,成本高達數百萬美元。
轉錄體時鐘的出現,徹底改變了遊戲規則。它提供了一個快速的分子讀數,讓科學家不必再苦等動物走到生命終點,只需在介入治療(例如服用某種候選藥物)前後,採集組織樣本,測量時鐘讀數,就能判斷該介入手段是否將基因表現推向更年輕的狀態 。
由於這些時鐘捕捉的是跨物種共通的衰老路徑,在小鼠身上被驗證能「回春」轉錄體的藥物,可以直接與人類生物資料庫(如 UK Biobank,英國人體生物資料庫)中的衰老印記進行比對,大幅縮短從動物實驗到人類臨床應用的驗證距離 。
研究本身也已證實,已知的延壽介入,如 飲食限制、雷帕黴素(rapamycin,一種免疫抑制劑,在模式生物中展現出顯著的延長壽命效果)、以及特定的長壽基因模型,都能被這套時鐘精準捕捉,顯示出更年輕的轉錄體特徵 。今後,科學家可將此作為篩選工具,優先將最受看好的化合物投入完整的壽命實驗,加速有效抗衰老療法的問世
。
這份研究最精彩之處,在於第一次如此清晰地描繪出,在演化上被保留下來的「衰老共通程式」究竟是什麼。
本研究論文「Universal transcriptomic hallmarks of mammalian ageing and mortality」於2026年5月27日發表在《自然》(Nature)期刊,由Alexander Tyshkovskiy、Vadim N. Gladyshev以及包含哈佛醫學院、布萊根婦女醫院在內的國際團隊共同完成。研究中使用的轉錄體時鐘模型已公開於Zenodo開放科學資料庫 。由Gladyshev實驗室建立的網路工具TACO也提供互動式介面,讓外界自由探索這套龐大數據集
。