衰老是大多数慢性疾病以及死亡的危险因素。然而，在理解和治疗衰老相关疾病的过程中，很多时候忽视了衰老背后的生物学。衰老假说认为，针对衰老本身就可同时预防多种与衰老相关的疾病进程。随着全球老龄化人口的持续增长，针对老龄化的干预从而延长健康寿命越来越受到关注。为了实现这一目标，人们对能够定量评估生物年龄的生物标志物越来越感兴趣，并可能最终作为临床研究中衰老相关结果的替代终点。许多现有的衰老生物标志物最初是为了预测实际年龄而开发的，发现它们的预测年龄和实际年龄之间的偏差与年龄相关的结果和疾病有关。最近的衰老生物标志物专注于预测生物年龄和健康结果，而不是实际年龄。值得注意的是，在实际应用中，生物年龄通常被概括为一个数字，就像实足年龄一样。不管开发策略如何，大多数目前的衰老生物标志物都可以预测衰老相关的结果，并在回顾性流行病学研究中确定与衰老（速度）相关。
细胞是组成器官和机体的基本单元，细胞衰老是器官和机体衰老的驱动力。细胞衰老的生物标志物不仅可以用于监测衰老过程中的细胞水平变化，而且可以用于指示整个器官或生物体的生物学年龄。表观遗传是指在不改变 DNA 序列的情况下发生的可逆遗传机制，表观遗传改变对于衰老和与年龄相关疾病至关重要。这些与衰老相关的表观遗传生物标志物包括基因组 DNA 甲基化改变、组蛋白修饰异常、异染色质丢失、三维（3D）基因组结构重组和 RNA 修饰失调。基因组不稳定性是衰老的标志之一。DNA 作为遗传信息的载体，随着年龄增长发生各种改变，对正常细胞活动和组织稳态产生负面影响。这些改变包括但不限于：DNA 损伤、DNA 损伤反应（DDR）和修复、突变、复制应激、转座、染色体畸变、端粒缩短、微核和DNA 片段化。活性氧（ROS）主要产生于线粒体呼吸链复合物Ⅰ和Ⅲ，可对 mtDNA 造成氧化损伤。由此发生的 mtDNA 突变再导致缺陷的呼吸链成分，从而产生更多的 ROS，从而造成 ROS 的恶性循环和 mtDNA 突变积累，这被认为是衰老的标志之一。氧化损伤学说是衰老机制的主要理论之一。一般来说，与年龄相关的线粒体异常，包括 ROS 生成增加、mtDNA 突变和含量累积、线粒体动力学改变、线粒体未折叠蛋白反应（UPRmt）降低，以及呼吸链活性降低。在体内外准确识别和检测衰老细胞是必不可少的环节，但在技术上仍具有挑战性。目前已经确定了几种细胞衰老的生物标志物，包括 SA-β-gal、p16INK4a 和 p21 CIP1，但很少有标志物具备高灵敏度和特异性。 理想情况下，生物标记测量应该考虑到技术和预分析来源或对不同人群的应用所产生的随机和系统来源的可变性。此外，应该提供有关协变量的大量信息，以优化它们的性能。表1简要概述了一些重要的概念和技术考虑以及对生物标志物验证重要的术语。总的来说，需要一个包含多种类型验证的综合过程来建立衰老生物标志物的可靠性、准确性和临床实用性。迄今为止，衰老生物标志物的预测验证主要依赖于先前在观察性队列研究中收集的数据。这一过程是目前衰老生物标志物验证最活跃的研究领域，是进一步验证和最终临床应用的重要前提。队列研究通常在多个时间点收集健康和功能状态的样本和临床数据，并允许评估不同人群中多种健康结果的生物标志物的相关性和预测性，以及识别相关协变量。本文专注于跨群体验证，因为这是在回顾性观察性研究中验证基于血液的衰老生物标志物的最稳健方法。为了将后面章节中概述的建议背景化，研究人员首先概述了生物标志物验证工作的现状(包括不同的数据源)，并讨论了该领域进展的挑战。 开放获取的大型数据集促进了早期衰老生物标志物的开发，其中许多数据来自横断面研究。这些研究确定了许多与实际年龄相关的生物标志物，包括几种可溶性炎症生物标志物和激素状态。“第一代”表观遗传生物标志物也被用于预测实足年龄。然而，横断面年龄关联可能会因长期趋势和研究参与的选择性流失而产生偏差，这可能会影响标志物与未来年龄相关结果的预测价值的评估。此外，横断面研究不允许评估个体对干预反应的变化。与横断面研究相比，纵向研究可以在同一个体中连续收集生物学测量数据、表型和与年龄相关的不良健康结果。大多数纵向研究还包括遗传变异的数据，并且，通过孟德尔随机化研究，它们可能有助于确定特定的生物标志物是否与健康结果有因果关系，或者更确切地说，反映了旨在抵消导致这些不良健康结果的病理过程的机制的激活。从分析角度来看，生物标志物通常在某个时间点被考虑，并与未来的结果相关，例如疾病发作、身体和认知功能随时间的变化或死亡率。然而，一个更有用的方法是考虑定期从同一参与者那里获得的重复测量数据。这种方法允许研究生物标志物与临床结果的时间轨迹之间的关系，这提供了“衰老速度”的最佳近似。因此，纵向队列数据可以支持衰老生物标志物的开发和验证，例如针对多种不同结果和独立人群的前瞻性验证。衰老相关结果的优先排序和(功能性)衰老轨迹的信息与死亡率分开，可能使这些生物标志物更有转化为临床研究的潜力。许多队列研究建立了生物样本库，保证生物样本的长期储存，以便将来测试新的假设或采用新的可用技术进行分析。生物银行是生物标志物研究的宝贵资源，特别是相关的临床和基因组数据以及后续样本数据。此外，还存在一些大规模的通用生物银行数据，可用于生物标志物的开发。例如，英国生物银行、芬兰FinnGen队列、日本BioBank 以及麻省总医院Brigham BioBank 等，有望用于验证多种生物标志物与衰老相关的结果。 即使拥有现成的队列研究和生物库，系统的跨人群验证仍然难度颇大。一些衰老的生物标志物已经在多个队列中进行了测试，最常见的检查终点是全因死亡率，尽管围绕死亡率作为终点存在一些问题，但它的优点是定义明确。表2总结了基于血液的复合生物标志物预测未来死亡率的代表性研究。其中许多研究是由开发生物标志物并在多个队列中验证该特定生物标志物的研究人员进行的，或者是使用他人开发的生物标志物在一个队列中比较多个生物标志物的研究人员进行的。两种方法之间的差异如下图2所示，该研究的目的不是系统地回顾以前的研究或进行meta分析，相反，所考虑的研究被选择来说明以可靠、可比和可推广的方式验证衰老生物标志物的挑战。到目前为止，相对较少的研究在多个队列中比较单个(复合)生物标志物，或在同一队列中使用标准化和等效的测量单位来比较多个生物标志物，使它们完全具有可比性。因此，需要在多个大型队列中对各种衰老生物标志物进行系统和全面的基准测试，并进行长期随访(>10年)，以实质性地推进该领域。 尽管已经取得了很多进展，但比较衰老生物标志物的预测能力仍然具有很大的挑战性。即使对于死亡率等定义明确的结果，评估组学生物标志物预测性能的研究也呈现出不同的结果，这种不一致的潜在原因包括不同的研究人群具有不同的特征。在接下来的部分中，将重点讨论这些问题。衰老生物标志物的预测性能可能因人群的特征差异而不同，包括年龄人口统计、种族、健康和疾病状况或身体和认知功能。例如，在高度暴露于污染或环境污染物的人群中，癌症生物标志物似乎可以高度预测全因死亡率。另一个重要的挑战是在许多大型队列研究和生物银行中缺乏参与者多样性，这些研究和生物银行主要是白人参与者的比例过高，这些研究的结果可能不适用于非白人，这限制了它们的普适性。值得注意的是，在人群中可重复的衰老生物标志物可能反映了衰老生物学的基本机制，这些生物标记物也将广泛用于临床和基础研究应用。队列研究通常是为了解决特定的科学问题而设计的。每个队列或生物库都具有独特的内容，需要以独特的方式收集和记录从而解决这些问题。即使进行类似分析的研究也可能使用不同的方法。例如，代谢组学或蛋白质组学数据根据样本收集方法，分析处理方案不同而不同。不幸的是，关于如何验证衰老的生物标志物，目前还没有针对分子数据和衰老相关结果的统一标准。用于识别或学习生物标志物与衰老结果之间关系的统计和机器学习模型仍处于开发和验证的早期阶段，许多建模挑战仍有待解决。例如，许多现有模型假设衰老的生物标志物与整个生命周期中衰老结果的可能性之间存在线性关系，而最近的研究发现了多个非线性的例子。此外，生物标志物或其成分可能对潜在的样品组成敏感。例如，有证据表明，与年龄相关的甲基化在不同的循环免疫细胞中是不同的。目前没有关于如何最好地整合来自同一个人的纵向重复测量数据以及是否应该考虑轨迹或独特值的处理。研究设计的几个方面，如随访时间、事件数量和死亡率报告的偏倚可能会导致研究之间的差异。统计方法的差异也是导致差异的主要原因。这些不一致性也困扰着其他领域，这些差异影响了可靠的交叉比较、基准测试和评估衰老生物标志物的meta分析。 阅读原文 
