随着人口老龄化进程不断加快，如何利用大规模真实世界健康数据刻画人体衰老过程，已成为老年医学、公共卫生和精准健康研究的重要方向。人体衰老并非单一、同步的过程。传统生物年龄模型往往将复杂生理信息压缩为单一评分，难以呈现不同系统之间的异质性变化，以及其与未来健康风险之间的关系。

9月21日，生命科学学院陈铭团队在npj Aging在线发表题为“A longitudinal Health Atlas of age-associated multisystem physiology from population health examinations in China”的研究论文。研究基于大规模重复健康体检数据，构建了中国人群多系统生理变化纵向图谱（Health Atlas）。

图1 Health Atlas总体研究框架

研究共纳入189,095名参与者、99项生物标志物及94,055,326次观测记录，涵盖心血管与生命体征、肝胆、肾脏-嘌呤代谢、血液-免疫、代谢-脂肪、尿液分析、影像、心电图、体格检查和功能-感觉等十个临床领域。Health Atlas区分人群年龄参考轨迹、年龄阶段变化和个体相对于同龄同性别的人群的生理偏离，以同时刻画群体规律与个体状态。

结果显示，不同生物标志物和生理系统呈现显著异质的年龄变化轨迹，包括单调升高、下降、U型、倒U型及性别特异性模式，表明年龄相关生理变化并非单一、同步过程。进一步分析发现，多系统总体生理偏离程度与全因死亡风险相关；纵向多系统生理重塑的不稳定性也与后续死亡风险相关。研究团队还开发了纵向预测模型DynLifeNet，整合原始体检序列与Health Atlas特征，对七类未来临床异常进行预测，测试集macro AUROC达到0.802。

为进一步理解Health Atlas的生物学基础，研究整合单细胞、转录组和DNA甲基化等外部数据，对血液-免疫、代谢-脂肪和肾脏-嘌呤代谢三个代表性临床生理轴进行多组学生物学锚定。结果分别支持了年龄相关免疫细胞组成变化、脂肪与葡萄糖-脂质代谢重塑，以及肾脏尿酸转运和肾单位相关过程，为临床表型轨迹提供生物学支持。

图2 Health Atlas代表性临床生理轴的多组学生物学锚定

该研究将常规健康体检数据转化为可解释的年龄参照多系统健康图谱，保留了不同生理系统及不同生物标志物自身的年龄变化特征，使研究人员能够同时观察哪些系统发生变化、何时出现可检测的临床表型偏移、不同系统如何共同变化，以及个体相对于同龄人偏离到什么程度。为研究人群年龄相关生理变化、健康风险分层及精准健康管理提供了新的数据基础和分析框架。

浙江大学生命科学学院博士研究生张世龙为论文第一作者，陈铭、冯聪为共同通讯作者。该研究得到国家重点研发计划、浙江省“151”人才工程、中国博士后科学基金等项目支持。