摘要：DNA甲基化时钟：Horvath提出的表观遗传时钟（基于CpG位点的甲基化水平）是目前最广泛认可的衰老标志物，新一代时钟（如GrimAge）进一步关联了疾病风险和死亡率。

引言（来源于DeepSeek）

一、当前研究热点

1. 表观遗传学标志物

- DNA甲基化时钟：Horvath提出的表观遗传时钟（基于CpG位点的甲基化水平）是目前最广泛认可的衰老标志物，新一代时钟（如GrimAge）进一步关联了疾病风险和死亡率。

- 组蛋白修饰与非编码RNA：如miRNA（如miR-34a）和lncRNA在衰老中的调控作用逐渐被揭示。

2.端粒长度与端粒酶活性

- 端粒缩短是经典的衰老标志，但个体差异大且受环境因素影响显著，近年研究更关注端粒动态变化（如单细胞端粒长度检测技术）。

3.炎症与免疫衰老标志物

- 炎症因子：IL-6、TNF-α、CRP等慢性炎症（Inflammaging）标志物与衰老相关疾病高度相关。

- 免疫细胞亚群变化：如T细胞耗竭、NK细胞功能下降、衰老相关分泌表型（SASP）的促炎因子释放。

4.代谢组学与蛋白质组学标志物

- 代谢物（如NAD+、线粒体代谢产物）和蛋白质修饰（如氧化损伤、糖基化终产物）的动态变化成为研究重点。

5.细胞衰老相关标志物

- SA-β-gal（衰老相关β-半乳糖苷酶）：经典但特异性不足。

- p16INK4a/p21等细胞周期抑制蛋白：在组织衰老中表达显著升高。

6.肠道微生物组标志物

- 肠道菌群多样性下降、特定菌群丰度变化（如Akkermansia muciniphila减少）与衰老进程和代谢疾病相关。

7.多模态整合与系统生物学

- 结合基因组、表观组、代谢组等多组学数据构建综合衰老评分模型（如Aging.AI算法）。

二、未来发展方向

1. 精准化与动态监测

- 单细胞技术与空间组学：揭示不同组织/细胞类型衰老的异质性（如脑、肝脏、皮肤的衰老速率差异）。

- 实时监测技术：开发可穿戴设备或液体活检（如ctDNA、外泌体）实现衰老进程的动态追踪。

2.机制驱动标志物发现

- 衰老关键通路关联标志物：如mTOR、AMPK、sirtuins通路活性变化，线粒体功能障碍（mtDNA拷贝数、ROS水平）。

- 器官特异性标志物：探索脑衰老（如神经炎症标志物GFAP）、心血管衰老（如血管弹性蛋白）等组织特异性指标。

3.临床转化与应用

- 干预效果评估：验证Senolytics（清除衰老细胞药物）、NAD+补充剂、二甲双胍等抗衰老疗法对生物标志物的影响。

- 个体化健康管理：基于生物标志物制定个性化抗衰老方案（如营养、运动、药物干预）。

4.人工智能与大数据整合

- 利用深度学习模型从多维度数据中挖掘新型标志物，并预测个体衰老轨迹和疾病风险（如UK Biobank等大型队列数据应用）。

5.伦理与标准化挑战

- 标志物验证标准化：需建立跨实验室、跨种族的统一检测标准。

- 隐私与伦理问题：衰老标志物可能影响保险、就业等领域，需政策规范。

三、中国主要高校与科研院所

（一）综合性高校

清华大学

- 生命科学学院：聚焦衰老的分子机制、干细胞与再生医学。

- 医学院/北京协和医学院（联合共建）：老年医学、神经退行性疾病（如阿尔茨海默病）研究。

- 药学院：抗衰老药物开发（如NAD+代谢调控）。

北京大学

- 分子医学研究所：研究衰老与代谢疾病（如心血管衰老）。

- 基础医学院：炎症与免疫衰老、表观遗传调控。

- 第三医院（临床医学）：老年综合征、骨骼肌衰老的临床转化。

复旦大学

- 生物医学研究院：端粒生物学、基因组稳定性与衰老。

- 附属中山医院：老年医学中心，研究衰老相关疾病（如糖尿病、癌症）。

- 类脑智能科学与技术研究院：脑衰老与神经退行性疾病的交叉研究。

上海交通大学

- 医学院附属瑞金医院：代谢与衰老（如二甲双胍的抗衰老机制）。

- Bio-X研究院：遗传学驱动的衰老机制研究（如长寿基因挖掘）。

浙江大学

- 生命科学学院：线粒体功能障碍、蛋白质稳态与衰老。

- 医学院附属邵逸夫医院：肠道微生物组与老年健康干预。

中国科学技术大学

- 生命科学与医学部：衰老的分子基础（如端粒酶调控）。

- 附属第一医院：衰老相关疾病的精准医疗。

（二）中国科学院系统

上海生命科学研究院（现整合为上海营养与健康研究院）

- 表观遗传时钟、代谢紊乱与衰老的关联研究，依托国家蛋白质科学中心开展蛋白质组学分析。

生物物理研究所

- 结构生物学视角解析衰老相关蛋白（如Sirtuins家族）的功能机制。

动物研究所

- 干细胞与衰老研究实验室：干细胞耗竭与组织再生，利用模式动物（如果蝇、小鼠）研究长寿机制。

昆明动物研究所

- 遗传资源与进化国家重点实验室：跨物种比较基因组学（如长寿哺乳动物的抗衰老机制）。

北京基因组研究所

- 多组学整合分析（甲基化、转录组）构建中国人衰老标志物模型。

（三）专业医学研究机构

中国医学科学院（北京协和医学院）

- 基础医学研究所：衰老的免疫调控、细胞衰老标志物（如p16INK4a）。

- 阜外医院：心血管衰老与动脉硬化的临床研究。

军事医学科学院

- 放射与辐射医学研究所：DNA损伤修复与衰老的关联机制。

- 毒物药物研究所：抗衰老化合物筛选（如Senolytics药物开发）。

国家老年医学中心（北京医院）

- 老年临床数据库建设、衰老相关疾病的早期诊断标志物验证。

（四）地方重点高校与新兴机构

中山大学（广州）

- 中山医学院：神经退行性疾病（如帕金森病）与脑衰老机制。

- 附属第一医院：老年营养与代谢干预研究。

武汉大学

- 医学研究院：衰老与肿瘤微环境的交叉研究。

西湖大学（杭州）

- 生命科学学院：单细胞技术解析器官衰老异质性，抗衰老靶点发现。

上海科技大学

- 免疫化学研究所：抗体药物靶向清除衰老细胞（SASP调控）。

（五）联合实验室与交叉平台

粤港澳大湾区精准医学研究院（广州）

- 结合人工智能与多组学数据预测个体衰老轨迹。

鹏城实验室（深圳）

- 生物信息学与衰老大数据分析（如百万级人群队列研究）。

天府锦城实验室（成都）

- 聚焦衰老与再生医学，开发组织工程与细胞治疗技术。

（六）特色研究方向示例

- 表观遗传学：中科院北京基因组所、复旦大学

- 免疫衰老：清华大学免疫学研究所、中国医学科学院

- 代谢与衰老：上海交通大学瑞金医院、浙江大学

- 干细胞与再生医学：中科院动物所、西湖大学

- 衰老临床转化：北京协和医院、国家老年医学中心

（七）科研支撑平台

- 国家蛋白质科学中心（北京/上海）：衰老相关蛋白功能解析。

- 国家生物信息中心：整合衰老多组学数据（如人类衰老数据库）。

- 模式动物平台：南京大学模式动物研究所（小鼠资源库）、昆明动物所（灵长类衰老模型）。

大数据分析

检索数据库：Medline

检索工具：文献鸟/PubMed

检索时间：2025-04-14

检索词：Aging Biomarker AND China[ad]

1.论文概况

近年来，中国研究者已经发表了6479篇Medline收录的衰老相关研究文章，我们对全部文章进一步分析了解衰老的研究热点。其中，中国研究者独立发表了5461篇文章，美国是与中国研究者合作最密切的国家，合作发表了528篇文章；其次是瑞典、澳大利亚和加拿大。

2.衰老研究领域中活跃的中国院校及研究机构：复旦大学 (201篇)、首都医科大学 (159篇)、中南大学 (137篇)、四川大学 (122篇)、华中科技大学 (83篇)、南方医科大学 (74篇)、浙江大学 (71篇)、南京医科大学 (62篇)、华中科技大学同济医学院附属同济医院 (57篇)、山东大学 (52篇)，等等。

3.衰老研究领域发文活跃的中国医疗机构：华山医院 (109篇)、华西医院 (96篇)、湘雅医院 (91篇)、华中科技大学同济医学院附属同济医院 (57篇)、宣武医院 (52篇)、青岛市立医院 (50篇)，等等。

4.衰老研究领域中国作者发文较多的国际期刊：

从发文来看，发表中国来自衰老研究领域文章数量较多的国际期刊有Aging (Albany NY) (IF: 3.9) (1424篇)、Front Aging Neurosci (IF: 4.1) (488篇)、Clin Interv Aging (IF: 3.5) (96篇)、Alzheimers Dement (IF: 13) (89篇)、Sci Rep (IF: 3.8) (86篇)、J Alzheimers Dis (IF: 3.4) (64篇)、Front Immunol (IF: 5.7) (62篇)、Aging Dis (IF: 7) (59篇)、Ageing Res Rev (IF: 12.5) (56篇)、Neurobiol Aging (IF: 3.7) (54篇)、Aging Clin Exp Res (IF: 3.4) (53篇)、PLoS One (IF: 2.9) (52篇)，等等。

5.衰老研究领域活跃的中国学者及其关系网

衰老研究领域活跃的学者：复旦大学Yu, Jintai；首都医科大学Liu, Guanghui；上海大学Xiao, Junjie；四川大学Wei, Xiawei；首都医科大学Wang, Si；山东省医学科学院Qiu, Chengxuan；首都医科大学Jia, Jianping等等在该研究领域较为活跃。还有更多优秀的研究者，限于篇幅，无法一一列出。

本数据分析的局限性：

A. 本报告为“文献鸟”分析工具基于PubMed数据库，仅以设定检索词的检索结果，在限定的时间和文献数量范围内得出，并由此进行的可视化报告。

B. “文献鸟”分析工具的大数据分析目的是展示该领域近期研究的概况，仅为学术交流用；无任何排名意义。

C. “文献鸟”分析工具的大数据分析中的关于活跃单位、作者等结果的统计排列，只统计第一作者的论文所在单位的论文数量；即，论文检索下载后，每篇论文只保留第一作者的单位，然后统计每个单位的论文数。当同一单位有不同拼写时，PubMed会按照两个不同单位处理。同理作者排列，只统计第一作者和最后一位作者署名发表的论文数。如果作者的名字有不同拼写时，会被PubMed检索平台会按照不同作者处理。

D. 本文结论完全出自“文献鸟”分析工具，因受检索词、检索数据库收录文献范围和检索时间的局限性，不代表本刊的观点，其中数据内容很可能存在不够精准，也请各位专家多多指正。

来源：中国组织工程研究杂志一点号