biological-age

该论文提出一个临床可解释的机器学习框架，使用CatBoost和自动化的SHAP依赖图定量分析，从NHANES的44个异构临床特征中估计生物年龄。研究发现模型估计的生物年龄与实际年龄高度相关，并识别出血尿素氮、血糖和剧烈运动等关键预测因子。

一项名为 **Younger** 的为期六个月的竞赛由 NeuroAge Therapeutics 的神经科学家 Christin Glorioso 创立，约 500 名参与者在此竞赛中竞争，目标是通过多种衰老时钟所测量的指标逆转自己的生物年龄，旨在打造世界上最全面的生物年龄数据集。

科学家发现，通过机器灌注的捐赠肝脏在生物学上变得更年轻，这可能提高器官移植的成功率和利用率。