《npj Aging》:From wrist data to lifespan: elucidating inflammation-driven biological aging via activity rhythms captured by wearable devices
編輯推薦:
本研究旨在探究系統性炎癥如何加速生物衰老。研究人員通過對62,000名成人的可穿戴加速度計數據進行分析,構建可解釋機器學習模型,識別出節律振幅、穩定性和中高強度體力活動(MVPA)是預測加速衰老的主導因素。在1521名擁有系統性免疫-炎癥指數(SII)數據的參與者中,研究發現節律振幅低、穩定性差與SII升高顯著相關,且男性中MVPA不足與SII升高關聯更強。中介分析表明,炎癥部分解釋了MVPA不足、節律不規律與死亡風險之間的關聯。該研究將休息-活動節律確立為連接日常節律性、炎癥與生存的數字生物標志物。
想象一下,你的智能手表或手環不僅記錄著步數和心率,還可能揭示你身體內部的“炎癥風暴”如何悄然加速你的衰老進程,甚至影響你的壽命。這正是近期一項發表于《npj Aging》雜志上的研究所探索的前沿問題。隨著年齡增長,人體內常伴隨著慢性的、低度的系統性炎癥,這一現象被稱為“炎癥老化”(inflammaging)。這種持續的炎癥狀態是心血管疾病、代謝性疾病和神經退行性疾病的重要驅動因素。同時,我們體內的生物鐘——晝夜節律,精密地調控著免疫反應的幅度和時序。然而,日常行為(特別是休息與活動的模式)所體現的節律性,如何在炎癥與衰老之間扮演橋梁角色,其具體機制仍不甚清晰。為了解決這一科學問題,一個研究團隊開展了一項大規模研究,旨在利用普及的可穿戴設備數據,解碼活動節律、系統性炎癥與生物衰老及死亡風險之間的復雜聯系。
為開展此項研究,作者主要運用了以下幾項關鍵技術方法:首先,研究納入了來自英國生物銀行(UK Biobank)的大規模人群隊列,共涉及62,000名佩戴腕戴式加速度計持續7天的成年人,以此獲取客觀、連續的體力活動與休息-活動節律數據。其次,研究者運用可解釋的機器學習模型,從多維度的活動數據中識別出對預測“加速衰老”表型最關鍵的特征。再者,在一個包含1521名參與者的子集中,研究者獲取了血液檢測衍生的系統性免疫-炎癥指數(SII),作為量化體內炎癥水平的生物標志物,用于分析其與行為節律的關聯。最后,研究采用了基于性別的中介分析統計方法,以量化炎癥在行為特征(如活動不足)與死亡風險之間所起的中介作用。
休息-活動節律特征與加速衰老的關聯
研究人員首先在62,000人的大樣本中,利用機器學習模型分析腕戴設備數據。模型識別出三個對預測加速衰老貢獻最大的特征:休息-活動節律的振幅(即活動水平的峰值與谷值之差)、節律的穩定性(即每日節律模式的一致性),以及中高強度體力活動(MVPA)的水平。這表明,日常活動不僅要有一定的強度,其規律性和節奏感對于延緩生物衰老同樣至關重要。
行為節律性與系統性炎癥的關聯
為了深入探究行為影響衰老的潛在機制,研究轉向對炎癥標志物的分析。在1521名擁有SII數據的參與者中,分析發現:較低的節律振幅和較差的節律穩定性,分別與SII升高0.31個標準差(SD)和0.18個SD顯著相關。特別值得注意的是,在男性中,較低的MVPA水平與SII升高0.33個SD相關。這些關聯均具有統計學意義(所有p < 0.05)。研究進一步量化了行為改變的影響:每天增加一段15分鐘的MVPA持續活動,或將節律穩定性提高10-14%,足以抵消上述不良節律特征所帶來的炎癥升高效應。
炎癥在行為與死亡風險間的中介作用
研究的最終落腳點是考察這些行為特征如何通過炎癥影響長期的生存結局。通過性別分層的中介分析,研究揭示了炎癥所扮演的“中間人”角色。在男性中,炎癥可以解釋:與MVPA不足相關的死亡風險的26%;與節律不規律相關的死亡風險的14%;以及與低節律振幅相關的死亡風險的8%。這一發現為“行為-炎癥-死亡”這一通路提供了直接的流行病學證據。
該研究通過整合大規模可穿戴設備數據、炎癥生物標志物和長期健康結局,得出核心結論:日常生活中可測量的休息-活動節律特征,是連接行為模式、系統性炎癥與死亡風險的有效數字生物標志物。具體而言,節律振幅低、穩定性差以及MVPA不足,均與更高的炎癥水平相關,而炎癥部分中介了這些不良行為特征與(特別是男性)死亡風險之間的關聯。這項研究的意義在于,它將抽象的“生物鐘”健康,轉化為可通過消費級設備客觀評估的量化指標,為衰老研究提供了新的工具。更重要的是,它指出了炎癥是一個可調控的靶點。這意味著,通過個性化的干預(如鼓勵規律性的中等強度運動、改善作息穩定性)來優化日常活動節律,可能通過減輕炎癥負擔,成為促進健康老齡化(healthy aging)的有效策略。這項發表于《npj Aging》的工作,不僅深化了對“炎癥老化”機制的理解,也為未來基于數字健康的精準預防和干預開辟了新的方向。