衰老是多维度的复杂过程，常用包括生物标志物、身体机能（衰弱）、认知能力、脑（脑龄、脑体积）等对其进行度量。环境暴露作为影响健康的重要因素，其与衰老度量指标的关联尚未得到全面阐释。此外，个体面临的环境暴露同样复杂多样，包括空气污染、噪声、绿地、水域等，多种环境暴露之间存在的多重共线性使得学者难以比较各环境暴露对衰老的贡献。

对此问题，浙江大学公共卫生学院刘足云团队于2024年6月10日在著名期刊Nature Communications杂志在线发表题为“Heterogeneous associations of multiplexed environmental factors and multidimensional aging metrics”的原创性研究，阐释了环境暴露与多维度衰老度量指标（表型年龄、衰弱、脑年龄、脑体积等）的复杂关联，证实了空气污染对衰老加速的重要贡献。

研究使用加权分位数和（Weighted Quantile Sum， WQS）回归探究各环境暴露对多个衰老度量指标的贡献大小，发现环境暴露整体与所有衰老指标均关联显著，其中空气污染（PM₁₀、PM_2.5等）贡献占据了主导地位（与表型年龄的关联中，PM₁₀贡献40.8%；与衰弱的关联中，PM_2.5贡献32.3%）。有趣的是，研究发现同一环境因素对多维衰老度量指标的相对贡献存在异质性。例如，24小时噪声对脑体积的贡献占比超过了其在其他衰老度量指标中的占比（与灰质体积的关联中，24小时噪声占比27.1%；与全脑体积的关联中，24小时噪声占比19.3%）。

除此之外，研究使用自组织映射（Self-Organizing Maps，SOM）聚类分析对多种环境暴露进行降维，得到5个环境暴露特征不同的亚群，并根据其特征分别命名为绿地亚群（green space subpopulation）、水域亚群（blue space subpopulation）、城乡结合亚群（rural-urban fringe subpopulation）、噪声亚群（noise subpopulation）及空气污染亚群（ air pollution subpopulation）。与绿地亚群相比，空气污染亚群在多数衰老度量指标中都呈现出更显著的效应。同样的，另外三个亚群与不同维度衰老度量指标的关联性分析表现出异质性。其中，noise Subpopulation与脑相关指标关联显著，这也与前部分所得结果一致（见下图）。

综上所述，该研究综合考量了多种环境暴露因素对多维度衰老过程的影响。研究结果提示衰老过程受多种环境暴露协同影响，且空气污染在其中贡献较大。同时，环境因素在多种衰老度量指标中贡献的异质性可为后续机制研究提供方向与依据。此外，本研究更准确地识别了具有相同环境暴露模式的亚群并将亚群分布情况可视化，找寻易忽视的高危人群，有助于制定有针对性的政策，以改善人们的周围环境质量，进一步减轻老龄化负担。更重要的是，本研究为将来解决多重暴露多结局事件的复杂分析提供了些许思路。

浙江大学公共卫生学院研究员、浙江大学附属第二医院兼聘教授刘足云，浙江大学公共卫生学院胡可嘉老师，中国医科大学马亚楠教授为该论文的通讯作者，浙江大学公共卫生学院浦凡为本文的第一作者，其他人员包括陈蔚然、李晨曦、傅靖乔、高伟靖、马超、曹星琦、张凌芝、郝萌、周进、黄容也为本研究做出了重要贡献。本研究得到了国家自然科学基金（72374180）等项目的大力支持。

浙江大学公共卫生学院刘足云研究员团队致力于衰老及老年病分子流行病学（人体衰老精准评估及其应用）这一特色方向，提出表型年龄——Phenotypic Age计算模型，工作被临床实践指南、Nat Med等广泛引用。入选全球前2%顶尖科学家“2022年度科学影响力榜单”。课题组欢迎具有生物信息学、预防医学等相关学科背景的科研助理和博士后加入。（请email联系：[email protected]；课题组链接：https://mypage.zju.edu.cn/zuyunliu）。

原文链接：

https://www.nature.com/articles/s41467-024-49283-0