生物学年龄检测为何互相矛盾：GrimAge 与 DunedinPACE 到底在测什么
生物学年龄检测可能给同一个人不同的答案。这里讲清楚 GrimAge、PhenoAge 和 DunedinPACE 究竟在测什么，以及如何不慌不忙地读懂一份报告。
报告通常以一份 PDF 的形式到来。某个普通的星期二，你坐在厨房餐桌旁用手机打开它，还没读一个字，目光就先落在一个用又大又友好的字体写着的数字上：你的生物学年龄。如果比按生日算出的年龄小几岁，心里会亮起一点小小的光；如果大几岁，整个下午仿佛都跟着倾斜了。
这种吸引力我懂。我们家有个小孩子，我读到的几乎每一篇健康文章底下，都藏着同一个安静的问题：我能陪这个小家伙度过多少好年头，还能不能再争取几年？一个声称能把你整个身体浓缩成一个数字的东西，恰好直接回应了这个问题。也正因为如此，它值得我们放慢脚步再看一眼。
本文不构成医疗建议，也不推荐购买或回避任何检测或公司。如果某个结果让你担心，请把它连同医生真正能据以采取行动的常规指标一起，带去给临床医生看。
大号字体没告诉你的是：并不存在唯一的生物学年龄。存在的是好几种“时钟”，它们为回答不同的问题而建，即使面对同一管血，也可能给出不一致的答案。
每种时钟到底在测什么
这一类检测读取的都是 DNA 甲基化，也就是附着在 DNA 特定位置上的微小化学标记，它们帮助决定哪些基因处于活跃状态。这些标记的分布模式会随年龄变化，而且变化得足够有规律，可以用模型来描述。所谓时钟，就是一个算法，把许多位点的读数转换成一个输出。它当初被训练来预测什么，你拿到的数字真正的含义就是什么。
第一代：Horvath 与 Hannum
Horvath 时钟和 Hannum 时钟都在 2013 年问世，它们被训练来根据甲基化数据预测实际年龄。这听起来像在兜圈子，毕竟你本来就知道自己几岁，但有意思的恰恰是剩下的那部分差值。如果时钟说 52 岁，而护照上写着 48 岁，这个差距就叫“年龄加速”。问题在于，一个因贴合日历年龄而受到奖励的模型，会学着抹平同龄人之间的差异，而那些差异正是你真正在乎的东西。
第二代：PhenoAge 与 GrimAge
PhenoAge（Levine 等人，2018 年）和 GrimAge（Lu 等人，2019 年）换掉了训练目标。它们对照的是健康表型和死亡风险，于是问题从“你几岁”变成了“你的风险看起来像几岁”。
GrimAge 的构造更特别一些。它把几种血液蛋白的甲基化替代指标，与一个用甲基化估算出的吸烟包年数结合在一起。GrimAge2 又加入了 C 反应蛋白（CRP，一种炎症标志物）和 HbA1c（反映平均血糖水平的指标）的替代指标。它的表现更像一个披着时钟外衣的综合风险评分。
第三代：DunedinPACE
DunedinPACE（Belsky 等人，2022 年）的训练依据，是 Dunedin 队列中同一批人的多个器官系统随时间衰退的速度。它输出的不是年龄，而是一个速度，单位是每个日历年所对应的生物学年数。
衰老速度与累积损伤：一个年龄数字，还是一个速率
我自己是用汽车仪表盘来理清这件事的。第一代和第二代时钟像里程表：它们给出一个年龄，而这个年龄与日历年龄之间的差距，读起来就像发动机上多跑出来的里程。DunedinPACE 则像速度表。读数 1.0 表示每过一个日历年，身体经历一个生物学年。按模型自身的定义，1.1 大约意味着快了百分之十，0.9 大约意味着慢了百分之十。
里程表讲的是到目前为止的整段旅程，速度表讲的是你此刻正在走的这一段路。一辆跑了很多公里的车，今天也可能开得平稳从容。所以，一个偏老的年龄旁边摆着一个普通的速度，未必就是矛盾。这两个数字的单位也不同，别急着把其中一个换算成另一个。
原则上，如果你想知道某些东西是否在变化，速率是更自然的观察对象。至于某个具体习惯能不能让某个具体时钟发生变化，那是另一个问题，一次检测无法给出定论。
为什么同一份样本也会得出相互矛盾的结果
两个数字不一致时，人的本能是问哪一个才对。更好的问题是：每一个当初是为测量什么而建的，又是怎么测出来的。有四个因素会把结果拉向不同方向。
训练目标不同
一个被训练来猜日历年龄的时钟，和一个被训练来预测死亡风险的时钟，回答的是不同的问题。它们对你的判断不一致，是意料之中的表现，而不是出了故障。
样本类型
血液由免疫细胞构成。据 Steve Horvath 介绍，唾液大约由 65% 的免疫细胞和 35% 的口腔颊部上皮细胞组成。Horvath 正是以他名字命名的那个时钟的创建者，如今在 Altos Labs 工作。这两类细胞的甲基化特征并不相同。他对《The Scientist》表示，把用血液训练的时钟不加校正地用在唾液上，“误差可能相当大”。
实验室平台
Illumina 甲基化芯片和全基因组亚硫酸氢盐测序都能读取甲基化，两者的结果彼此相关，但并不相同。Horvath 更大的提醒让人清醒：目前还做不到把同一份样本送到不同的、经过验证的实验室，并得到相同的读数。同一篇报道还指出，大多数商业公司并不公开自己用的是哪种时钟。
技术噪声
最让我意外的是这一点。在 2022 年发表于《Nature Aging》的一项研究中，Higgins-Chen 及其同事把同一批样本测了两次。在六种主要时钟上，仅仅是技术噪声，也就是测量过程本身带来的随机偏差，就让这些重复测量之间相差 3 到 9 年。这个人身上什么都没变，变的只是测量。
写软件的经历给了我一个在这里正好用得上的习惯。测试失败一次，你不会去重写代码，而是再跑一遍，因为不稳定的测试可能因为与你的改动毫无关系的原因而失败。一个时钟结果，只是一次运行。同一个团队用主成分方法重建了这些时钟，汇总许多位点的信号，而不是依赖单个容易受噪声干扰的位点，这些 PC 版本让大多数重复测量的差距缩小到 1.5 年以内。这是实实在在的改进，也说明此前的误差范围有多宽。
如何读报告而不反应过度
假设 PDF 已经打开，某个数字刺痛了你。Heartfulness 冥想练习教给我的一件事，恰好在这一刻用得上：让第一反应升起来，再让它沉下去，然后才决定它意味着什么。接下来，慢慢看。
- 弄清每个数字出自哪种时钟。年龄和速度是两种不同的量。如果报告没有说明某个结果背后是哪种时钟，就少给这个结果一些分量。
- 核对样本类型。看看报告里有没有说明，这个时钟是专门为你寄出的组织类型构建或校正过的。
- 把一个结果当作一次运行。几岁的差距，比单靠技术噪声就在重复测量之间造成的波动还要小。它是一个数据点，不是判决。
- 记住这些时钟是为谁而建的。Horvath 把它们描述为为流行病学研究设计的工具，而不是为个人设计的。人群层面的规律是真实的，但你自己的路并没有写在一次抽血里。
- 把基础指标带去给医生看。血压、血脂、血糖和身体素质，是医生能够解读并真正据以行动的指标。如果某个时钟终于让你去预约了那次门诊，它就算做了件有用的事。
主要时钟类型消费者指南
大多数检测套装会报告好几种时钟，所以不妨把这张表当作解读你收到那份报告的密码本。“证据”一栏依据的是迄今规模最大的一次正面比较：这项研究于 2025 年 12 月 16 日发表在《Nature Communications》上，在 Generation Scotland 队列的 18,859 人中，检验了 14 种时钟与 174 种疾病在 10 年内发病情况的关联。
| 时钟 | 训练预测的目标 | 数字的含义 | 与健康结局相关的证据 |
|---|---|---|---|
| Horvath（2013） | 日历年龄 | 一个年龄；与实际年龄的差值即年龄加速 | 对疾病的作用有限；在 2025 年的比较中，第一代时钟用处不大 |
| Hannum（2013） | 日历年龄 | 一个年龄，解读方式相同 | 对疾病的作用有限，原因相同 |
| PhenoAge（2018） | 健康表型与死亡风险 | 一个反映你风险状况的年龄 | 较强；第二代时钟显著优于第一代 |
| GrimAge 与 GrimAge2（2019 年起） | 通过蛋白质和吸烟替代指标估计死亡风险（GrimAge2 另加 CRP 和 HbA1c） | 一个年龄；差值越大，风险画像越不乐观 | 单项关联最强：GrimAge2，每个标准差的风险比为 1.54 |
| DunedinPACE（2022） | 多个器官系统的衰退速度 | 一个速率；1.0 表示每个日历年经历一个生物学年 | 较强；第三代时钟同样显著优于第一代 |
这个风险比的意思是：GrimAge2 年龄加速高出一个标准差的人，相关疾病的发生率大约高出百分之五十四。研究还发现，在 27 种疾病中，包括原发性肺癌和糖尿病，某个时钟与该疾病的关联强于它与全因死亡的关联；GrimAge 内置的吸烟替代指标，可能是它与呼吸系统疾病关联较强的原因之一。这些说的都是群体，而不是你个人的概率。
关于价格，说一句。这些时钟都发表在学术期刊上。你付钱买的是检测套装、实验室检测和报告，所以价格反映的是时钟外面那层产品，而不是里面科学的扎实程度。截至撰写本文时，据 2026 年的评测网站，TruDiagnostic 的 TruAge 单次购买约 499 美元，订阅约 249 美元；Tally Health 的 TallyAge 口腔拭子检测约 229 美元。价格会变动，列出它们也不代表推荐。
常见问题
哪种生物学年龄时钟最准确？要看“准确”指的是什么。第一代时钟是为贴合日历年龄而建的。在大规模人群中与未来疾病的关联方面，2025 年的比较显示第二代和第三代时钟表现更好，其中 GrimAge2 最强，但它们都不是为预测某一个人的未来而设计的。
我的报告说我的生物学年龄比实际年龄大，我该担心吗？不必因为一次结果就担心。同一份样本测两次时，单是技术噪声就能让标准时钟相差 3 到 9 年。与其把它当作诊断，不如把它当作一个提醒，去和医生一起查查血压、血脂、血糖和身体素质。
两家不同公司的结果可以放在一起比较吗？不太可靠。不同套装使用的时钟、样本类型和实验室平台都可能不同，即便是经过验证的实验室，目前也还给不出一致的读数。如果你以后为了追踪变化而复测，坚持用同一种检测和同一种样本类型，能排除一部分变量，但排除不了噪声。
唾液或口腔拭子检测比血液检测差吗？不一定。这些细胞的甲基化特征与血液不同，所以时钟必须专门为它们构建或校正。值得问的问题是：这个时钟有没有在你寄出的这种样本上验证过。
当我想象厨房餐桌上那份 PDF 时，我最想要的那个数字并不在上面。那是前方还剩下多少个平凡的夜晚，陪着一个坚信睡觉时间可以讨价还价的孩子。没有哪个时钟能报告这个数字。它是一点点攒出来的，靠的正是那些不起眼、医生今天就能测量、也能帮你改善的指标。