研究说了什么
该方向将 DNA 甲基化、转录组与代谢组等多源数据输入机器学习框架,构建综合生物学年龄估计,部分模型在预测健康结局上优于单一组学。
为什么重要
多组学整合捕捉了衰老在不同分子层的交汇信号,有望提供更稳健、抗干扰的年龄画像。
证据与边界
模型对训练队列依赖强,跨人群泛化尚未充分验证。当前属于研究方法进展,尚不能用于个体健康判定。
参考来源
Hertel J et al. Genome Biology. 2020.
免责声明:本站内容为健康科普与信息汇总,不构成医疗建议。任何干预、补剂或训练计划开始前,请咨询执业医师。