0
0这项研究介绍了一种名为 scAgeClock 的新型人类老化时钟模型，它利用门控多头注意力神经网络技术，实现了在单细胞转录组水平上对生物年龄的精准预测。该模型基于涵盖 40 多种组织、超过 1600 万个单细胞的大规模数据集构建，其预测精度显著优于现有的基准方法。研究者进一步提出了老化偏差指数（ADI），用以量化个体生物年龄与实际年龄之间的偏差，从而揭示不同细胞类型和生理状态下的老化动态。分析显示，核糖体功能、免疫防御及程序性细胞死亡等基因特征与老化过程高度相关。此外，scAgeClock 在识别癌症转移、肿瘤分期以及阿尔茨海默病等人类疾病相关的细胞老化加速方面展现出巨大的应用潜力。该模型的开源为抗衰老干预评估和个性化健康风险监测提供了强有力的计算工具。
References:
Xie G. scAgeClock: a single-cell transcriptome-based human aging clock model using gated multi-head attention neural networks[J]. npj Aging, 2026.
