近日，哈佛醫學院 Blavatnik 學院遺傳學教授 David Sinclair 領導的研究小組使用機器學習算法開發了兩個時鐘，即 FRIGHT 時鐘和 AFRAID 時鐘，成功在老年小鼠中預測其生理年齡和實際壽命。
該研究於 9 月 15 日發表在 Nature Communications《自然通訊》雜誌中。
先前已有許多方法測量生理年齡，如握力或步態，評估免疫系統，端粒長度，糖基化終產物，細胞衰老的程度和 DNA 甲基化時鐘。其中 DNA 甲基化時鐘已經用於測試老鼠生理年齡。然而，由於其昂貴，耗時且需要抽取血液或組織，因而無法達到重複測量的目的。
因此，找到一種更便宜或更不具侵入性的方法來測試步態等生理信號的分子基礎，將有助於人類更早、更準確地預測和干預健康和壽命。
研究人員發現，虛弱指數(FI)評分優於以上測量方法，因而可作為研究人類死亡率的強大預測指標。
FIs 可對多達 70 項與健康有關的情況進行量化，包括實驗室檢測結果、症狀、疾病和日常生活活動等。最終得分為 0-1 分，得分越高，則越虛弱。
為了識別小鼠壽命，David Sinclair 領導的研究小組對 60 只老年小鼠進行了一年多追蹤調查，直到小鼠自然死亡。
然後，他們訓練了兩個機器模型從小鼠數據中進行學習。根據 FIs 評分，研究人員使用機器學習算法開發了兩個時鐘，即 FRIGHT 時鐘和 AFRAID 時鐘。
其中 FRIGHT 時鐘是根據老鼠的虛弱狀態來判斷其生理年齡，而 AFRAID 時鐘可提前一年預測小鼠壽命，這兩個時鐘預測可準確到 2 個月內。
研究人員表示，小鼠和人有著很大的不同，而這兩個時鐘還不能用來預測人類健康、生理年齡或壽命。人類的健康和疾病有更複雜的生物、生理、行為、環境和社會影響。但是，通過結合分子標記和現有的生理標記，該模型也將得到加強。目前，該實驗室正把研究範圍擴大到其它動物包括人類身上。
