研究背景
衰老通常表现为机体损伤逐步累积、功能下降以及死亡风险随年龄上升而增加，但其背后的分子共性长期难以被系统刻画。虽然过去已有多种表观遗传、转录组和蛋白质组时钟可用于估算年龄，但不同模型往往局限于单一物种、单一组织或单一分子层级，且对死亡风险、健康状态以及长寿干预的解释力并不一致。尤其是在哺乳动物之间，哪些转录组变化是跨组织、跨物种保守的，哪些变化真正反映了与死亡风险相关的“分子老化”而非单纯时间流逝，一直缺少统一框架。若能建立兼顾年龄、死亡风险和可解释性的多物种转录组模型，就有机会把衰老从抽象概念拆解为可量化、可干预的功能模块，进而更精细地评估疾病、损伤、抗衰干预和再生过程对不同细胞系统的影响。
成果简介
2026年5月，Brigham and Women’s Hospital的Vadim N. Gladyshev团队在Nature发表题为《Universal transcriptomic hallmarks of mammalian ageing and mortality》的研究论文。作者整合超过11000份来自小鼠、大鼠、猕猴和人类、覆盖25种以上组织的转录组数据，建立了可预测年龄和预期死亡风险的多组织、多物种转录组时钟。研究揭示了哺乳动物衰老和死亡风险的普适性转录组标志，并将其拆解为炎症、干扰素信号、线粒体功能、染色质修饰和细胞外基质等多个功能模块，用以解析疾病、长寿干预、重编程和胚胎发育中的分子老化变化。
研究内容
跨物种大整合建立“转录组年龄/死亡风险时钟”，提炼哺乳动物共性衰老特征
这项工作的基础，是一个规模极大的跨物种转录组整合框架。作者汇集了来自小鼠、大鼠、猕猴和人类的多组织RNA测序数据，并结合大量寿命延长、寿命缩短和中性干预模型，构建出既能预测时间年龄，也能预测预期死亡风险的转录组时钟。与单纯的chronological clock不同，mortality clock更强调分子状态与寿命结局之间的联系，因此不仅能识别有害状态，还能更敏感地区分真正具有延寿效应的干预。研究发现，多种年龄相关变化在不同哺乳动物、不同组织乃至不同细胞类型中都具有保守性。例如，Cdkn1a、Lgals3、Gpnmb等分子在衰老和高死亡风险状态中反复出现，而氧化磷酸化、线粒体生成和脂代谢相关通路则普遍与更健康、更长寿状态相关。这说明哺乳动物衰老并非完全碎片化现象，而存在可提炼、可比较的共同转录组底图。
衰老与死亡风险并非单一路径，而是由炎症、线粒体、染色质和基质等模块共同构成
在建立整体时钟之后，作者进一步借助网络分析把庞杂的年龄相关表达变化拆解成多个相对独立但彼此关联的功能模块。这些模块包括炎症和先天免疫反应、干扰素信号、线粒体翻译与电子传递链、染色质和转录调控、脂代谢、以及细胞外基质重塑等。研究显示，不同模块与年龄、寿命和干预的关系并不完全一致。比如，炎症和干扰素相关模块通常随着衰老和死亡风险上升而增强，而线粒体和代谢相关模块则更多与健康和长寿状态相关。更有意思的是，模块特异性时钟揭示了不同干预并不是统一地“让机体变年轻”，而是作用于不同子系统。慢性疾病更明显地加速炎症模块老化，而热量限制、Klotho缺失等模型则优先作用于线粒体和代谢模块。这种模块化框架使“衰老”从一个整体标签，转变为可以逐项拆解和针对性测量的多子系统过程。
这些转录组特征既能在疾病和损伤模型中被放大，也能在重编程、异龄共生和胚胎阶段被逆转
为了验证这些转录组信号是否真正反映损伤累积和可逆性老化，作者进一步考察了慢性疾病、炎症刺激、代谢抑制、复制性衰老、γ射线照射等多种体内外模型。结果显示，这些有害条件普遍推动死亡风险相关时钟上升，并强化促炎、应激和衰老相关模块。相反，在细胞永生化、重编程、异龄共生以及胚胎早期发育等被认为具有“年轻化”特征的情境中，这些分子信号则显著减弱甚至逆转。尤其在胚胎阶段，作者观察到多个谱系都出现明显的转录组年龄下降，提示哺乳动物发育过程中存在可测量的分子“回春”窗口。重编程和异龄共生实验也支持，这些衰老标志并非完全不可逆，而是可以在特定生物学条件下被重置。由此，论文把衰老标志、损伤积累和年轻化过程放进了同一量化体系中。
小结
这项研究的重要意义，在于它没有把衰老简单当作一个随时间线性推进的过程，而是用跨物种、跨组织的大数据框架揭示了与死亡风险和健康状态更直接相关的分子共性。通过构建可解释的转录组年龄和死亡风险时钟，作者证明了衰老既有共享的核心分子特征，也呈现出由不同功能模块共同构成的层次结构。更进一步，研究还表明这些模块对疾病、损伤和延寿干预的反应并不相同，因此真正的抗衰老策略可能并不是统一“降年龄”，而是更精准地重塑特定子系统的老化轨迹。
应用展望
从应用角度看，这套框架为衰老研究和干预评估提供了更统一的量化工具。未来无论是药物筛选、营养限制、遗传干预，还是组织再生、重编程和疾病风险评估，都可以借助模块化转录组时钟来判断具体作用在哪些生物学子系统上。若进一步与蛋白质组、代谢组和DNA甲基化数据整合，这种多层级衰老图谱还有望推动更加精准的分子分型。对于临床而言，这类工具未来也可能帮助识别高风险个体、评估治疗后恢复程度以及建立更有机制解释力的生物年龄指标。
参考文献
Alexander Tyshkovskiy et al. Universal transcriptomic hallmarks of mammalian ageing and mortality. Nature, 2026. doi: 10.1038/s41586-026-10542-3
注：本文解读仅供参考，请阅读原文获取详细准确信息
