AI × 生命科学 · 研究解读
AI制药公司英矽智能最新突破：他们的AI 参与设计的药物在临床数据中显示出能够逆转人体“生物学年龄”的迹象 生物学年龄降低 6 岁
从 AI 找到 TNIK、生成候选分子，到 42 位患者的蛋白质时钟信号与三期试验。
AI制药公司英矽智能（Insilico Medicine）团队在《Nature Biotechnology》发表了一项探索性研究。公布了一项他们的最新突破：他们用生成式AI研发的一款新药 rentosertib，在早期临床试验中不仅改善了患者的肺部疾病，还显示出能够逆转人体“生物学年龄”的迹象。
- 原定目标： rentosertib 最初是针对特发性肺纤维化 (IPF)这种肺部疤痕化严重疾病开发的。在先前的 42 名患者试验中，它已成功改善了患者的肺功能。
- 意外的“年轻化”表现： 研究人员分析了用药患者的血液蛋白质数据，并用哈佛大学、牛津大学、北京及 Insilico 独立开发的 6 个不同的AI衰老时钟模型进行评估。结果显示，这 6 个模型一致判定服药患者的生物年龄比安慰剂组更年轻，在用药第 4 周时平均年轻了 3 到 4 岁，最高降幅甚至达到 6 岁。
这里先保留报道中的概括口径。论文的严格口径是：71 人进入 IIa 期随机试验，42 人进入蛋白质组子研究；54 组比较中有 21 组达到探索性显著标准；2.71 至 3.46 岁是 60mg QD 组在第 4 周由四种日历年龄时钟测得的相对安慰剂下移范围。下文会逐项展开。
AI 在其中的具体角色
- 双 AI 系统协同发现与设计：
- PandaOmics（靶点发现引擎）：综合分析患者多组学数据、肺组织纤维化病理表达谱、生物分子作用网络与因果推断算法，并交叉结合海量学术文献与专利数据，对海量潜在靶点进行疾病关联度与可成药性排序。
- Chemistry42（分子生成与优化引擎）：围绕选定靶点开展从头（de novo）小分子生成与结构优化，兼顾活性、靶向选择性与成药代谢特性，高效产出先导候选分子。
- 人机协同分工边界：AI 在研发中承担的是高通量假设生成与计算优化筛选工作；后续的化合物物理合成、细胞与动物疾病模型验证、药物化学优化及全部临床试验阶段，均由人类科研与临床团队主导推进，并非 AI 独立闭环完成研发。
- 锁定纤维化与衰老“双重相关靶点”：
- 在靶点筛选中，AI 算法将 TNIK（TRAF2 和 NCK 相互作用激酶）排在抗纤维化网络的高优先级位置，同时识别出 TNIK 在 6 项衰老特征（hallmarks of aging）相关评估中得分较高。
- 研究团队据此将 TNIK 确立为“促纤维化与细胞衰老的双重相关靶点”推进研发，而非已被学界公认或证实的单一“衰老关键蛋白”。
- 18 个月推进到临床前候选物：
- 英矽智能团队借助双 AI 系统协同，从靶点发现到提名临床前候选化合物 INS018_055（Rentosertib）历时约 18 个月（注：这是达成临床前候选化合物提名的时间，而非完成全部临床试验开发）。
- 当前最新进展（III 期临床启动）：
- 作为论文研究之外的最新后续推进，英矽智能已于 2026 年 7 月 7 日宣布正式启动口服 Rentosertib 治疗特发性肺纤维化的关键注册性 III 期临床试验（临床登记号 CTR20262475 / NCT07687459）。该试验计划在中国 47 家中心招募 320 名患者，以系统确证其在更广泛人群中的疗效与安全性（详见英矽智能官方新闻公告）。
为什么肺病试验会测衰老时钟？
要理解这项研究，首先需要了解特发性肺纤维化（IPF）与“衰老”之间的特殊交集。
IPF 是一种主要发生在中老年人群中的慢性、进行性致命肺部疾病。患者肺泡上皮反复受损并出现异常修复，导致正常肺泡组织被纤维化瘢痕取代，肺部逐渐变硬、丧失弹性。在老年医学与病理学界，IPF 常被称为一种“衰老特征高度富集”的模型疾病——细胞衰老、线粒体功能障碍、细胞外基质异常重塑以及慢性无菌性炎症，正是驱动其纤维化恶化的核心病理机制。
以往评估抗衰老干预效果常采用基于 DNA 甲基化的“表观遗传时钟”，但其在临床应用中存在不同模型间读数一致性较差、对具体生物学通路机制解释较为间接、且血液样本主要反映造血谱系白细胞等局限。相比之下，蛋白质是生物学过程与病理表型的直接执行者；基于高通量血清蛋白质组（如 Olink 技术）构建的衰老时钟，有助于观察循环系统中的蛋白质变化，还能直接开展生物学通路富集分析。不过需要明确，血液循环中的蛋白水平变化反映的是系统性预测指标，并不等同于全身器官或局部肺组织纤维化病灶的全面即时逆转；且本项临床子研究未直接测定 DNA 甲基化，两类时钟未进行同场平行对照。
42 位患者与 6 个算法时钟：数据是如何采集与计算的？
任何临床结论的可靠性都取决于其入组流程与样本质量。这项蛋白质组学分析是基于原疾病临床试验展开的探索性蛋白组子研究；受试者在试验期间按 4 个时间点接受纵向血清采样，而针对该辅助分析的知情同意则为试验结束后补充获取。
样本筛选路径
根据论文披露的方法学数据：
- 原始 IIa 期临床试验共筛选了 128 名中老年 IPF 患者，最终入组并随机分配了 71 人进入四个试验组：安慰剂组（17 人）、30mg 每日一次组（QD，18 人）、30mg 每日两次组（BID，18 人）、60mg 每日一次组（QD，18 人）。
- 在为期 12 周的给药周期中，共有 16 名患者脱落中止，55 名患者完成了整个试验随访。
- 试验结束后，研究团队向完成试验的 55 位受试者提供了血清蛋白质组分析的知情同意书，其中 43 人签署同意；后续在检测阶段，有 1 名患者因第 12 周血清样本缺失被剔除。
- 最终纳入本次完整生物信息学与时钟分析的有效样本为 42 名患者（均为亚裔，平均年龄 67.1 岁），包括：
- 安慰剂组：11 人
- 30mg QD 组：11 人
- 30mg BID 组：11 人
- 60mg QD 组：9 人
研究人员采集了受试者在基线（第 0 周）、第 2 周、第 4 周和第 12 周（试验结束）四个时间点的血清样本，使用 Olink Explore 3072 高通量检测平台进行测定。在剔除质控不合格项目后，共获得了 2,841 种血清蛋白的标准化蛋白表达量（NPX）纵向数据。
6 种时钟的本质：它们不是 6 次完全独立的“重复实验”
研究团队引入了当时学术界公开发表的 6 种代表性蛋白质组时钟算法。需要向普通读者明确澄清的是：衰老时钟的输出值只是一个数学模型的预测评分，绝不等于真实人体细胞的绝对生理年龄或不可逆衰老速率。
这 6 种时钟在设计思路上分为两大类别：
- 日历年龄预测时钟（Chronological Clocks，共 4 种）：
- 包括 ProtAge、OrganAge chrono、ipfP3GPT 和 PAOPAC。
- 训练目标：训练模型根据血液蛋白水平尽可能准确地预测被测者的“真实出生日历年龄”。
- 在基线时的表现：这 4 种时钟对这批 67 岁左右的 IPF 患者的年龄预测相当吻合（Spearman 相关系数 r = 0.70 ～ 0.84，经系统偏差校正后均方根误差小于 4 岁）。
- 死亡风险预测时钟（Mortality-based Clocks，共 2 种）：
- 包括 PAC 和 OrganAge mortality。
- 训练目标：训练模型预测受试者的死亡风险，并将预测结果转换为生物学年龄读数。
- 在基线时的表现：它们与日历年龄的相关性较弱（r = 0.16 ～ 0.23），并在年轻患者中呈现系统性高估。作者解释认为，这与模型的训练目标相一致，且队列本身存在较高的疾病负担，可能影响了读数，使基于死亡风险训练的模型不论患者实际日历年龄如何均倾向于评估出较高的生物学年龄。
重要事实审视：部分媒体报道将这 6 种时钟的趋同解读为“6 个完全无关的独立 AI 系统同时给出了相同证明”。这种表述是不准确的。事实上，这 6 种时钟在原始开发过程中均使用了英国生物样本库（UK Biobank）大规模人群的蛋白质组数据，且模型存在共享特征，例如 LTBP2。它们代表了同一类数据体系在不同算法范式（深度学习 vs 经典机器学习）和不同优化目标（日历年龄 vs 死亡风险）下的不同视角，彼此之间存在先天的特征交叉。
54 组对比中的关键信号：哪些变年轻了？哪些没有？
研究的核心分析是观察：在用药 12 周的过程中，患者体内的这 6 种时钟读数相比于用药前（基线），以及相比于安慰剂组，是否发生了统计学上可信的下移（即 ΔBioAge 负向改变）。
整个试验设计形成了：6 种时钟 × 3 个用药随访时间点（第 2、4、12 周）× 3 个用药剂量组 = 54 组横向对比。
统计结果的真实全貌
- 显著性分布：在全部 54 组对比中，有 21 组在经过 Benjamini–Hochberg 多重检验校正后达到了统计学显著（假发现率 Q < 0.10）。这里的 Q < 0.10 为多重假设检验校正后的探索性筛选门槛，用于控制整批对比中的假发现率，不应解读为单个对比具有 90% 的确定性或真实概率。
- 高峰出现在第 4 周：这 21 个显著信号高度集中在用药后的第 4 周。在第 4 周开展的 18 组对比中，有 11 组观察到了治疗组显著优于安慰剂组的预测年龄下移。
- 实测显著对比数量远高于随机预期：为了检验 21 组显著是否容易由随机波动产生，研究人员进行了 100,000 次患者标签随机重排的置换检验（Permutation Test）。结果显示，在纯随机假设下平均仅出现 0.15 组假发现显著。实际观察到的 21 项显著远高于这一随机预期，支持存在药物相关信号，但受限于探索性分析与样本量较小，仍不排除潜在偏差或抽样误差。
- 剂量组表现分化：
- 30mg BID（每日两次）组表现最全面稳定：在该组全部 18 组对比中记录了 9 个显著下移，且横跨了日历时钟与死亡风险时钟两大流派。在第 4 周，6 种时钟中有 5 种显示出中到高度的负向效应量（Cohen's d）。
- 60mg QD（每日一次大剂量）组：贡献了 7 个显著对比。特别需要澄清的是，此前部分报道所称的“患者生理年龄下降 2.71 至 3.46 岁”，仅仅特指该 60mg QD 组在第 4 周时、在 4 种日历时钟测算下相对于安慰剂的下移范围，不能被概括为所有患者、所有剂量在全试验周期的通用结论。且在 60mg QD 组中，两种死亡风险时钟均未检测到显著变化。
- 30mg QD（每日一次低剂量）组：仅有 5 个对比显著，信号较弱。
第 12 周的“平台期”
到了用药第 12 周，达到显著的对比数量有所回落。但成对统计检验显示，第 4 周与第 12 周之间的时钟读数并没有出现显著反弹，更准确的科学描述是进入了平台期（Plateau）。
是改善了肺纤维化，还是独立干预了衰老？
这是摆在所有研究者和读者面前最关键的科学问题：
患者的肺部纤维化在用药后得到了控制，身体状况好转，血液指标自然会改善。这些时钟分数的下降，究竟只是“肺病好转后的次级副产物”，还是代表了某种独立于肺纤维化之外的全身性衰老调控？
论文作者坦承：在患有器质性病变（如 IPF）的患者人群中，仅凭血液循环蛋白组算法，无法在数学上将抗病效应与抗衰效应完全剥离。 但研究通过三项并列的间接探索性证据，提示两者之间可能存在解离：
1. 剂量反应的“剪刀差”
在原本的 IIa 期临床主要疗效报告中，肺功能（用力肺活量，FVC，即深吸气后尽力呼出的气体体积，反映肺功能的一部分）改善最显著的是 60mg QD 组； 然而，在蛋白质衰老时钟的评估中，跨模型一致性最高、下移最稳健的却是总剂量相同但分次服用的 30mg BID 组。 如果时钟变化纯粹是肺功能改善带来的直接副产物，那么 FVC 改善最大的组理论上应该诱发最剧烈的时钟下移，但实测数据展现了明显的维度分离。
2. 回归分析：肺活量变化解释不了时钟方差
研究人员对所有 42 名受试者的用力肺活量变化量（ΔFVC）与预测生物学年龄变化量（ΔBioAge）进行了单变量线性回归分析。结果显示： 在全部 6 种时钟中，ΔFVC 能够解释的 ΔBioAge 方差变异度中位数仅为 R² = 0.06（范围在 0.01 到 0.18 之间）。
统计学上的 R² = 0.06 意味着“肺活量这一指标的变化，只能解释这套蛋白年龄模型读数变异的 6% 左右”。这绝不等于“本药物 6% 的疗效来自肺部，94% 来自抗衰老”。FVC 只是疾病状态的一个间接代理指标，但极低的 R² 在统计上不支持“时钟下移完全由肺功能恢复引起”这一简单推论。
3. 与 5.5 万英国中老年人衰老轨迹的对照
为了进一步验证，研究人员引入了英国生物样本库（UK Biobank）中 55,319 名 50–85 岁受试者（中位年龄 71 岁）的蛋白组横断面数据。
- 在两套数据重合的 2,832 个蛋白质中，筛选出了 758 个在自然人群中随年龄呈现明确上升或下降趋势的“年龄相关蛋白”。
- Rentosertib 在试验中改变的蛋白质，高度富集于这 758 个年龄相关蛋白中（富集倍数达 1.74 倍，P < 0.001）。
- 接下来，研究人员计算了“患者用药后的蛋白变化方向”与“自然人群衰老时的蛋白变化方向”之间的相关性：
- 30mg BID 组：呈现出显著的负相关（Spearman r = -0.30, P < 0.01），表明该组用药诱导的许多关键蛋白改变，方向上正好与自然衰老进程相反。
- 60mg QD 组：虽然肺功能恢复优异，但其蛋白变化与自然衰老方向未出现显著相关（r = -0.097, P = 0.37）。
- 安慰剂组：呈现正向追踪关系，即随着病情推移，患者血液蛋白变化方向与自然老化方向一致。
蛋白轨迹与“第 4 周平台期”之谜
为什么在第 4 周之后，衰老时钟的评分不再继续明显下降，而是进入了平台期？药物在人体内是失效了，还是出现了其他生物学平衡？
通过对全部 2,841 个蛋白质建立线性混合效应模型（LMEM，将性别与 BMI 作为协变量进行调整），研究人员挖掘出了更深层的蛋白质表达动态。
蛋白质组响应的时间轨迹分析
数据分析显示，Rentosertib 在试验期间显著改变了 326 个蛋白质的血清水平（Q < 0.10）。 当把时间按离散节点分类分析时，研究人员发现：
- 在 30mg BID 和 60mg QD 两个有效剂量组中，仅有 5% 至 9% 的蛋白质改变属于暂时型（即在第 2 周或第 4 周达到显著，但在第 12 周未达显著；但这不等于变化完全消失，两时间点无显著差异不等于证实无变化）。
- 绝大多数蛋白质的改变属于持续型（Sustained）或延迟型（Delayed，即仅在第 12 周达到显著）。
- 在 4 种公开发布权重特征的衰老时钟所使用的核心蛋白中，“持续型改变”的蛋白呈现出 2.19 至 4.65 倍的比值比富集。
核心特征贡献与时钟评分表现
权重贡献度分析（Feature Contribution Analysis）显示： 研究人员排查了在各时钟评分变化中贡献度大于 3% 的 35 个关键蛋白，结果发现：无论是第 0 到 4 周还是第 4 到 12 周，LTBP2 都是贡献最为突出的特征，且是所有 6 种时钟算法共有且具备高权重的关键蛋白。
LTBP2（潜伏转化生长因子 β 结合蛋白 2）是 TGF-β 信号轴中参与纤维化调控的关键因子，在肺纤维化细胞外基质沉积等过程中发挥重要作用。这一特征分析说明，时钟模型的聚合读数受到了纤维化相关蛋白的显著影响。
对于第 4 周后衰老时钟评分呈现平台期的现象，其背后的具体机制目前原因未定。聚合读数受纤维化蛋白的影响提示多时钟输出需结合多组学和通路分析综合解读，但不能直接断定平台期就是算法权重的统计伪影。
细胞衰老标志物与代谢通路发生了什么？
除了用综合时钟打分，研究人员进一步运用基因集富集分析（GSEA）：先按药物引起的蛋白变化方向与强度排序，再查看与已知衰老相关的一组蛋白是否集中在上升或下降一侧。需要指出，这种血液蛋白层面的富集分析反映的是循环系统中的相关模式，并非对组织生物学活动的直接测量。
1. 衰老分泌表型（SASP）的下调
研究对比了 SenMayo 衰老基因集（包含 124 个衰老相关蛋白，本试验芯片实际测得其中 91 个）：
- 安慰剂组：随着肺病自然恶化，测得的 91 个 SenMayo 蛋白整体显著富集于上调一侧（归一化富集分数 NES = 1.48, Q < 0.01），核心贡献蛋白包括促炎细胞因子（如 IL1B、IL6）和基质金属蛋白酶（如 MMP1、MMP3、MMP10、MMP13），这反映整体富集趋势，而非 91 个蛋白全部逐个显著上调。
- 治疗组：呈现出截然相反的下移趋势。在 30mg QD 和 30mg BID 组中，SenMayo 基因集均表现出显著的负向富集（Q < 0.05）；而在 60mg QD 组中，虽然方向同样为负向，但检验值未达到传统显著门槛（Q = 0.17）。
- 在各给药组的下调核心名单（Leading Edge）中，包含如 MMP10、SPP1、IGFBP4 等衰老相关标志物。
血清中 SenMayo 蛋白的下调提供了与衰老形态调节（Senomorphic）相符的线索（即在血液层面呈现与抑制衰老相关分泌表型一致的趋势），但这不能等同于体内衰老细胞已被清除（Senolytic），也不代表衰老通路被全面阻断。
2. 生长因子、营养感知与代谢重塑
在经典衰老理论中，生长因子受体与营养感知通路（如 PI3K-Akt、MAPK、RAS-ERK 等）的过度亢进是加速衰老和消耗组织干细胞的关键机制。
- GSEA 分析显示，这几条主要的受体酪氨酸激酶（RTK）下游促生长/促增殖信号通路，在安慰剂组富集于上调一侧，而在所有用药组中均呈现出协调一致的负向富集（Q < 0.25），这反映的是通路层面的统计学富集趋势而非组织局部的直接激活或抑制。
- 胰岛素样生长因子轴（IGF Axis）：IGF 是调节细胞生长与代谢的关键信号分子，其结合蛋白（IGFBP）负责调控 IGF 的转运、组织摄取及与受体的相互作用。通路分析与基线对比显示，血清中包括 IGFBP-4、CCN1 和 IGFBPL1 等调节蛋白均较基线显著下调，其中 CCN1、IGFBP4 与 IGFBPL1 在所有给药方案中下调最为一致。
3. 为什么 30mg BID 与 60mg QD 表现不同？药代动力学假说
为什么总日剂量完全相同的两种方案（30mg BID 每天两次 vs 60mg QD 每天一次），在分子通路上会产生如此明显的差异？ 根据既往临床药代动力学（PK）数据：
- Rentosertib 的消除半衰期较短，约为 7 至 11 小时。
- 60mg QD 方案单次服药后，峰浓度（Cmax）达到了 30mg 方案的 2 到 3 倍。
- 作者推测 30mg BID 方案可能带来相对更均匀的血药浓度暴露，但这一解释仍为待检验假设。
蛋白质-蛋白质相互作用（PPI）网络分析显示：
- 60mg QD 独有的蛋白集：主要富集于 Wnt 信号转导和免疫相关通路；作者推测脉冲式的高峰浓度可能与局部靶点抑制强度相关，进而可能影响肺活量（FVC）等临床指标，但并非已证实的直接转化关系。同时，该组和 30mg QD 组观察到了与纤维化相关的 JAK-STAT 细胞因子轴显著上调（Q < 0.10）。
- 30mg BID 独有的蛋白集：主要富集在戊糖磷酸途径、谷胱甘肽代谢以及胆固醇代谢等基础代谢通路；该组未观察到 JAK-STAT 轴的显著上调（未出现显著上调并不等同于该通路完全没有异常激活）。
- 假说推测：短半衰期激酶抑制剂的不同给药频率，可能会诱导细胞激酶级联网络进入不同的响应状态。作者假设更平稳的血药浓度覆盖可能更有利于代谢稳态与衰老时钟信号的改善，但这仅为基于当前数据的机理假设，不能普遍化为通用用药原则，仍需后续实验验证。
从个案到范式：这项研究的真正价值是什么？
如果脱离了严谨的医学语境，读者很容易把这项研究误读为“AI 已经做出了能让人返老还童的灵丹妙药”。然而，在严谨的监管与临床科学视角下，这项研究最大的贡献不是“证明了一个抗衰靶点”，而是跑通了一套极具启发性的临床研发方法学流程。
临床研究的“双重目的设计”
传统的抗衰老药物研发面临严重的制度与伦理瓶颈：
- 在现行监管框架（如美国 FDA）下，此类研究最现实的路径并非直接以“衰老”为适应症开展临床试验，而是作为探索性药效学生物标志物嵌入具体疾病试验中。
- 过去大多数具有潜在衰老干预活性的药物（如二甲双胍、雷帕霉素等），都是在获批用于糖尿病、器官移植抗排异数十年后，才由学术界通过回顾性分析或补充试验慢慢探索其抗衰机制，周期长达数十年。
研究提出了一套渐进式的“双重目的设计（Dual-purpose Clinical Trial Design）”三步探索框架：
- 第一步（前瞻性嵌入探索性终点）：在针对已确立年龄相关疾病（如 IPF）的临床试验中，前瞻性收集衰老与细胞衰老标志物作为探索性终点，并探索不同给药方案的响应差异。
- 第二步（在非 IPF 人群中复现）：在满足安全裕度与良好风险-获益特征的前提下，在非 IPF 的年龄相关疾病或风险富集人群中复现相关生物学效应，以脱离重度纤维化组织修饰的背景干扰。
- 第三步（寻求功能临床终点或合格标志物支撑）：通过寻求 FDA 生物标志物资质认定项目（Biomarker Qualification Program）及 FDA-NIH BEST 资源框架支持的合格生物标志物，或借助多种老年慢病复合发生率等常规临床功能终点，确立老年保护或抗衰老证据。
读懂结论必须知道的局限性
在评估这项前沿研究时，科学界必须保持清醒和克制。本项研究存在若干客观局限，限制了其结论的外推能力：
- 样本规模有限与观察期较短：完整纳入蛋白质组分析的患者仅有 42 人，且观察时间仅为 12 周。小样本虽然经受住了严格的置换检验和 FDR 多重校正，但不足以支撑对全人群全身生物年龄长期改变的论断。
- 缺乏健康人对照与活性药物对照：试验受试者全部为 IPF 患者，未能在健康老年人群中评估该药物对蛋白质时钟的独立影响；同时，由于缺乏同类已上市抗纤维化药物（如吡非尼酮、尼达尼布）的平行纵向蛋白质组数据，目前尚无法在试验中直接判定这一系列衰老时钟与代谢通路的重塑是否为 Rentosertib（TNIK 抑制剂）所独有。
- 技术平台的覆盖约束：研究所采用的 Olink Explore 3072 芯片虽然涵盖了近 3,000 种重要血清蛋白，但其检测面板本身并不包含靶点蛋白 TNIK 本身。研究只能通过下游通路和蛋白质网络进行间接推断，缺乏对靶点直接结合和组织局部占有率的直观组学验证。此外，本研究仅有血清蛋白质组数据，缺乏组织活检、单细胞转录组或表观基因组等正交多组学验证。
- 利益冲突信息交代：本论文作者中，Alex Zhavoronkov 为英矽智能（Insilico Medicine）创始人兼首席执行官，部分作者为该公司员工。作为一家以 AI 制药为核心业务的商业实体，其发表的研究成果需要更多来自独立第三方学术机构在后续试验中的平行复现与客观检验。
未来待验证问题与文献来源
本研究在血液蛋白质组层面观察到了衰老时钟与代谢通路的调节信号，但仍留下了若干有待后续验证的关键科学问题：
- 时钟信号平台期的生物学机制：第 4 周观察到的衰老时钟信号平台期，究其原因是激酶持续受抑后的代偿性反馈、易感衰老细胞群耗竭还是晚期细胞应激？更优的老年保护效应是否需要探索间歇给药方案？
- 抗纤维化与抗衰老效应的进一步解耦：未来需借助更大样本、更长随访周期以及结合组织活检或多模态时钟（如表观遗传组学），进一步验证血液蛋白标志物的改变能否转化为全身性生理机能获益。