Buck研究所教授Pankaj Kapahi认为眼睛是衰老的窗口。他的实验室与谷歌Health和扎克伯格旧金山总医院(Zuckerberg San Francisco General Hospital)合作，展示了如何利用眼底成像(视网膜中富含血管的组织)来跟踪人类的衰老，这种成像方式比目前可用的其他衰老时钟更无创、更便宜、更准确。研究人员在eLife上发表了一篇文章，他们还进行了一项全基因组关联研究(GWAS)，以建立这种时钟的遗传基础，他们称之为“眼龄”。

Kapahi说，“这种类型的成像在追踪旨在减缓衰老过程的干预措施的有效性方面非常有价值，研究结果表明，在不到一年的时间里，我们应该能够通过注意接受治疗的人眼睛的可识别变化来确定衰老的轨迹，准确率为71%，为老年人保护疗法提供可操作的评估。”Kapahi指出，视网膜扫描可能更可靠，因为与血液中的生物标记物相比，眼睛的变化不太容易受到日常波动的影响，血液中的生物标记物更有活力，可以受到像吃饭或当前感染这样简单的事情的影响。

越来越多的证据表明，视网膜上的微血管系统可能是人体循环系统和大脑整体健康状况的可靠指标。眼睛的变化伴随着年龄的增长和许多与年龄相关的疾病，包括年龄相关性黄斑变性(AMD)、糖尿病性视网膜病变、帕金森病和阿尔茨海默病。眼科医生通常可以检测到艾滋病、慢性高血压和眼睛肿瘤的早期症状，这并不奇怪，因为血管系统的任何细微变化都首先出现在最小的血管中，而视网膜上的毛细血管是人体内最小的血管之一。

但即使是最复杂的仪器也往往无法检测到这些小血管的细微变化，这就需要使用深度学习技术，这是谷歌Research牵头的一项工作。谷歌和其他机构的研究人员开发了从视网膜图像预测糖尿病性视网膜病变的模型，并继续使用视网膜图像识别至少39种眼病，包括青光眼、糖尿病性视网膜病变和黄斑变性，以及慢性肾脏疾病和心血管疾病等非眼病。

谷歌的研究人员使用他们深入研究的EyePACS数据集(涉及超过10万名患者)训练和调整的eyeAge模型，并将其应用于来自英国生物银行的患者(涉及超过6.4万名患者)。

“我们的研究强调了纵向数据对分析精确老龄化轨迹的价值。通过EyePACS纵向数据集，涉及个人随时间的多次扫描，我们的结果显示，对连续两次访问的个人，而不是随机的、时间匹配的个人，具有更准确的正预测率，”联合通讯作者、谷歌Research前研究员、现为Alkahest高级计算生物学家的Sara Ahadi说。

注意到eyeAge独立于表型年龄(基于血液标记物的成熟衰老时钟)，Ahadi补充道，“我们正在通过不同的镜头来看待衰老，并将更多的信息带到了表上。我们希望eyeAge能够与其他时钟一起使用，使衰老跟踪更加强大、强大和全面。”

GWAS是在巴克研究所利用英国生物银行提供的生物样本完成的。博士后Kenneth Wilson验证了分析中强调的一些基因，以巴克之前的研究为基础，该研究揭示了果蝇的饮食、眼睛健康和寿命之间的联系。威尔逊从患者样本中鉴定出近30个基因，这些基因与视力下降、糖尿病、听力损失、阿尔茨海默病、心血管疾病和中风有关。其中一种基因alk2先前已被证明可以延长果蝇的寿命(通过果蝇的同源物ALK)。当威尔逊敲除果蝇的这种基因时，它们的视力在以后的生活中得到了改善，寿命也得到了延长。

Kapahi说，这项研究的结果已经成熟，可以进行更多的研究。他说:“了解这些已经与其他与年龄有关的疾病有关的基因是如何影响我们在眼睛中看到的变化的，这将是非常有用的。这些人类数据为与年龄有关的疾病的潜在治疗提供了靶点。事实上，我们或许能够以如此低成本、非侵入性的方式追踪它们的疗效，这是一个巨大的优势。”

文章标题

Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock