本研究的重点是探讨沿血管周围空间的弥散张量成像指数（DTI-ALPS指数）在脑衰老中的作用。
2026年4月27日，华中科技大学汪明欢，陆枫和Wei Wang共同通讯在PNAS 在线发表题为Unveiling the glymphatic system’s role in brain aging: A comprehensive biomarker and modifiable intervention target的研究论文。
该研究首先在40,488名英国生物样本库（UKB）参与者中，分析了DTI-ALPS指数与脑衰老标志物的关联。随后，作者基于12,401名健康英国生物样本库成年人的数据，建立了包含DTI-ALPS指数的规范性脑龄模型，并在英国生物样本库-阿尔茨海默病神经影像学倡议（UKB-ADNI）和英国生物样本库-人才（UKB-TALENT）数据集中进行了验证。
最后，作者在一项纵向队列中，探讨了脑龄差（BAG）与外周器官功能、慢性疾病、蛋白质组学及遗传学之间的关系，同时识别了可调控的危险因素。
研究结果显示，DTI-ALPS指数与时序年龄、端粒长度、脑结构及认知功能均存在相关性。纳入DTI-ALPS指数的脑龄模型在英国生物样本库中达到了良好的预测准确性（r = 0.756），并在两个独立数据集中得到了良好重复（UKB-ADNI: r = 0.766；UKB-TALENT: r = 0.724），其中脉络丛体积被确认为一个额外的贡献因素。
肌肉骨骼健康是女性脑衰老的关键驱动因素，而肺功能指标则在男性中更为突出。神经退行性疾病和代谢紊乱会增大BAG，进而增加死亡风险。全蛋白质组和全基因组分析共鉴定出154个与BAG相关的蛋白质和11个基因位点。可调控因素，特别是收缩压低于120 mmHg，与BAG的减小密切相关。
总体而言，DTI-ALPS指数是一种有前景的脑衰老生物标志物，为理解脑与外周健康之间的联系提供了新的见解，并凸显了性别分层治疗策略的重要性。积极控制血压可能有助于延缓脑衰老并促进长期脑健康。
脑衰老表现为多种形态学改变，例如皮质萎缩、异常蛋白质的病理性积聚，以及灌注、代谢和神经传递等生理功能的变。与健康的脑衰老不同，病理性脑衰老可导致老年人群中残疾和过早死亡的高发生率。因此，及时检测并主动管理脑衰老，可为预防老年人的神经退行性疾病和死亡提供途径。
数十年的神经影像学研究催生了“脑龄”（更确切地说是“脑龄差”（BAG），以区别于实际年龄）这一概念，该概念源自多模态磁共振成像（MRI）并结合机器学习模型。与此同时，蛋白质组学技术的进步为脑衰老的时间进程提供了分子层面的见解，并揭示了与脑衰老速率峰值相关的特定血浆蛋白标志物。
为进一步拓展这些研究工作，改进后的模型应能够刻画脑衰老的群体异质性，并为通过个性化生活方式干预来理解和延缓年龄相关的脑功能衰退提供一个更全面且可操作的平台。
图1. 本研究的图形摘要（摘自PNAS ）
类淋巴系统（GS）的功能障碍与脑衰老及多种神经退行性疾病相关。事实上，在衰老的人类大脑中观察到类淋巴功能进行性下降。此外，遗传因素、某些疾病，以及潜在可干预的危险因素和生活方式选择，均可能影响GS功能。例如，血管弹性丧失导致的动脉搏动减弱可减缓类淋巴液流动，而高血压和睡眠质量差则可能独立地损害类淋巴转运功能。
然而，通过鞘内注射钆基造影剂直接检测类淋巴功能的方法尚未获批且通常不可行，这限制了对人类大脑GS的全面评估。基于血管周围间隙的弥散张量成像分析（DTI-ALPS）指数是一种无创的、基于弥散成像的类淋巴通路完整性表征指标。该指数根据侧脑室体水平深髓静脉沿轴向的弥散率计算得出，并与鞘内注射造影剂的直接成像技术具有良好的相关性。
尽管如此，Ringstad等人近期的一项研究报告称，在脑脊液疾病患者中，ALPS指数与基于鞘内对比增强MRI的类淋巴功能标志物之间的关联性有限，表明ALPS指数用于测量人类类淋巴功能的效能仍有待全面且严格的验证。即使不涉及与类淋巴功能的关系，ALPS指数因其与神经退行性变的关联，也足以被纳入脑龄模型。
特别值得注意的是，一项初步研究表明，对中度阻塞性睡眠呼吸暂停的治疗可显著改善DTI-ALPS指数及认知表现。此外，脉络丛（ChP）作为脑脊液（CSF）产生的重要部位，对于外周-中枢免疫监视以及血-脑脊液屏障的完整性至关重要。
因此，ChP增大与脑流体动力学紊乱及GS功能受损相关，进而加剧白质高信号。这些基础研究结果表明，DTI-ALPS是一种直接且具有代表性的脑衰老生物标志物，具有临床可解释性并易于干预。
在本研究中，作者利用五种机器学习算法，在英国生物样本库（UKB）队列中确定了DTI-ALPS指数的关键决定因素及其与衰老标志物的关联。在验证其作为一项具有生理学意义指标的基础上，作者开发了基于DTI-ALPS指数或ChP体积的脑龄模型，并在两个独立队列中进行了验证。
基于该模型，作者通过整合表型、蛋白质组学和基因组学分析，系统阐明了外周器官健康与脑衰老过程之间的相互作用。最后，作者识别了可干预因素及其纵向变化轨迹，重点关注了旨在延缓脑衰老及相关疾病的潜在靶向干预措施。
