长期以来，科学界习惯于为大脑分配一个统一的“脑龄（Brain age）”分数。然而，大脑各区域的衰老并非步调一致。近日，发表在《GeroScience》杂志上的一项地标性研究，通过深度神经网络（Deep Neural Networks）与全基因组关联分析（GWAS），首次绘制出大脑 148 个区域的衰老遗传图谱，揭示了为何某些特定脑区更容易受到阿尔茨海默病及失智症的侵袭。
该研究由南加州大学（USC）维特比工程学院的 Nicholas Kim 担任第一作者，并在南加州大学伦纳德·戴维斯老年学学院 Andrei Irimia 教授的指导下完成。
技术突破：从“单一分数”到 148 个区域的精准解析
过去十年中，科学家通过 MRI 扫描评估“脑龄”，并将其视为认知能力下降的预警指标。例如，一名 40 岁受试者的脑部结构若看起来像 50 岁，则预示着更高的神经退行性疾病风险。“过去我们像处理 GPA（平均绩点）一样对待脑龄，虽然简单，却掩盖了许多细节。”Nicholas Kim 表示。
研究团队利用 UK Biobank 数据库中 41,708 名 成年人的 MRI 扫描数据，将大脑细分为 148 个不同的局部区域。借助自定义构建的 3D 神经网络（3D Neural Network），AI 学习并识别了每个区域特有的、极其微妙的衰老结构签名（Structural signatures）。
核心发现：大脑衰老的“多基因架构”
研究揭示，大脑不同区域的衰老速度差异并非随机，而是受到多基因架构（Polygenic architecture）的精密调控。
-
详尽的遗传关联图谱： 团队测试了超过 600,000 个 遗传变异，最终发现了 1,212 个 与特定脑区加速或延迟衰老显著相关的遗传关联位点。
-
“风险”基因 KCNK2： 研究发现，KCNK2 基因（调控神经元间电信号传导的钾离子通道）的变异与阿尔茨海默病易感脑区的加速衰老密切相关。
-
“护脑”基因 NUAK1： 相比之下，NUAK1 基因（负责维持脑细胞结构骨架）的变异则表现出保护作用，使广大皮层区域在影像学上显得更为“年轻”。
临床启示：识别“易感”神经系统
研究最重大的发现之一是：表现出最严重过度衰老的脑区，恰恰是受阿尔茨海默病和额颞叶失智症（Frontotemporal dementia）破坏最严重的区域。
Irimia 教授强调：“结合局部脑龄测量与遗传分析，使我们能够开始描绘不同的遗传因素如何影响重要神经系统的脆弱性（Vulnerability）。这解释了为什么某些脑区更容易受到神经退行性疾病的攻击。”
AI 赋能：从海量数据中提取“超早期信号”
这项耗时一年半、动用了由 4 台服务器组成的计算机集群（约 120 个处理器同时运行）的复杂工程，展示了人工智能在处理超大规模三维影像数据中的不可替代性。由于每个 MRI 扫描由超过 200 万个微小数据立方体组成，AI 的介入使得检测极其细微的衰老信号成为可能。
总结与展望
目前，这套系统主要作为一种强大的科研工具。Nicholas Kim 认为，虽然走向临床仍面临诸多壁垒，但在未来几十年内，这项技术有望帮助医生在症状出现前数年识别高风险人群，并指导靶向疗法的开发。
参考文献：Nicholas J. Kim et al, Deep neural networks and genome-wide associations reveal the polygenic architecture of local brain aging, GeroScience (2025). DOI: 10.1007/s11357-025-02046-1
编辑：周敏
排版：李丽
评论 (0)