2026年5月8日，来自麻省理工学院（MIT）土木与环境工程系、哈佛医学院附属Brigham and Women's Hospital及Beth Israel Deaconess Medical Center、Buck衰老研究所AI平台、斯坦福大学遗传学系的顶尖研究团队，在 medRxiv 联合发布了题为「A Multimodal Framework for Organ- and Cell-Resolved Biological Aging and Longevity Intervention Discovery」的重磅预印本。这一研究汇集了衰老生物学领域的多位泰斗级人物——包括哈佛医学院Vadim N. Gladyshev教授、Omar O. Abudayyeh教授、Jonathan S. Gootenberg教授，以及斯坦福大学Michael P. Snyder教授、Buck研究所David Furman教授——被学界视为该领域的里程碑式成果。
研究背景：为什么需要器官级分辨率的衰老测量？
现有的衰老生物标志物（如表观遗传时钟、代谢组学时钟）虽然在人群水平可以预测实际年龄，但其局限性也日益明显：它们往往提供的是全身层面的"平均"衰老信号，无法区分不同器官、不同细胞类型之间衰老速度的差异。一个器官的加速老化可能被另一个器官的缓慢老化所掩盖，导致干预策略的选择缺乏精确性。
本研究正是针对这一痛点，提出了一种全新的多模态框架：在器官水平和单细胞分辨率上系统描绘生物衰老地图，并以此为基础筛选和发现具有长寿潜力的干预手段。
核心创新：多模态 + 器官/细胞分辨率
该框架的核心创新在于三个维度的结合：
- 多模态数据整合：整合代谢组学、脂质组学、表观基因组学、转录组学、蛋白质组学等多组学数据，以及临床化学指标、影像数据等多维信息，从不同角度捕捉衰老信号
- 器官级分辨率：突破全身时钟的局限，将衰老信号锚定到具体器官层面，识别出哪些器官在个体中"跑得更快"
- 单细胞水平解析：在单细胞分辨率下刻画组织微环境中的衰老异质性，发现哪些细胞类型是特定器官衰老的主要驱动力
关键研究团队与机构
这份作者名单几乎涵盖北美衰老研究的核心力量：
- Vadim N. Gladyshev（哈佛医学院）：全球衰老研究引用率最高的科学家之一，以硒蛋白组学、氧化还原生物学和衰老标志物研究闻名
- Omar O. Abudayyeh & Jonathan S. Gootenberg（哈佛医学院）：两位青年领军科学家，因开发基因编辑工具（特别是CRISPR-Cas系统）而在生物技术领域声名鹊起，如今将前沿分子工具带入衰老研究
- Michael P. Snyder（斯坦福大学）：美国国家医学院院士，精准医学先驱，主持了大规模纵向多组学队列研究（integrative Personal Omics Profile, iPOP）
- David Furman（Buck衰老研究所）：专注于炎症老化（inflammaging）和免疫衰老的顶尖专家
- Matias Fuentealba（Buck AI平台）：Buck研究所AI计算平台负责人，代表了AI驱动的衰老研究新范式
长寿干预发现的系统化路径
该框架的最终目标不是仅仅"测量"衰老，而是系统地发现和验证能够延缓衰老、延长健康寿命的干预手段。基于器官级衰老地图，研究团队可以：
- 识别出特定器官中衰老通路的异常激活（如特定组织的炎症、代谢紊乱或线粒体功能障碍）
- 针对这些具体通路，系统性地筛选候选干预措施——包括小分子药物、天然产物、生活方式干预，甚至基因疗法
- 在模型系统中验证候选干预对特定器官和细胞类型衰老速率的影响
- 最终将有效的干预策略推向临床转化
战略意义：从"平均"到"精准"的范式转变
长寿科技产业近年来蓬勃发展，但大多数干预手段的研发仍基于全身性生物标志物，难以做到精准匹配。该框架的发布意味着：衰老研究正式进入"精准抗衰老"（precision geroscience）时代——未来，长寿药物的研发将以"哪个器官需要干预"为核心问题，而不是笼统地追求"延缓全身衰老"。
这一方向与近年来大热的精准医学（Precision Medicine）和AI驱动药物发现高度契合，Buck研究所AI平台和MIT的工程学背景在这一框架中发挥了关键的数据整合与算法支撑作用。
局限与展望
值得注意的是，作为预印本，该研究尚未经过同行评审，具体技术细节和结论的稳健性仍需进一步验证。此外，多组学数据的获取成本较高，将该框架从顶尖实验室推广到大规模人群应用仍需时日。但鉴于作者团队的顶级配置和跨学科深度，该框架的整体设计思路值得持续关注。
预印本 DOI：10.64898/2026.05.08.26352759