マルチオミクス老化時計AURORAが変える、生物学的年齢の測り方

「あなたの生物学的年齢は52歳です」

こういう数字を出すサービスが増えてきた。血液検査で、唾液で、DNAメチル化で。

正直に言うと、僕はこの手のサービスをあまり信用していなかった。

理由は単純で、測定モダリティが1つしかないからだ。

DNAメチル化だけで老化を語るのは、血圧だけで心臓を語るようなものだ。間違いではないが、見えていない部分が大きすぎる。

だが、2026年4月21日に Cell Metabolism に出た論文を読んで、少し考えが変わった。

Chen et al.（PMID: 42019500） が発表した AURORA（AI Unification and Reconstruction of Omics Reassembly Atlas）は、これまでのエイジング時計とは設計思想が根本的に違う。

AURORAは何が新しいのか

まず規模感を押さえたい。

7つのモダリティ を統合している。アブストラクトで明示されているのは、

• トランスクリプトミクス（遺伝子発現）
• メタボロミクス（代謝物）
• マイクロバイオーム（腸内細菌）
• 3D顔面画像
• サーマル顔面画像
• 臨床検査値（血液検査など）

の6つで、残り1つを含む計7モダリティだ。

これを 581,763サンプル、425,258人 という規模でまとめた。

ここまでなら「大規模データベースを作りました」で終わる話だが、AURORAの本当の凄みは別にある。

欠損データを再構築する ことだ。

現実のマルチオミクスデータは穴だらけだ。全員がすべてのモダリティを測定しているデータセットなど、ほぼ存在しない。Aさんは血液検査とメタボロミクスだけ、Bさんはトランスクリプトミクスとマイクロバイオームだけ、という状態が普通だ。

AURORAは生成的深層学習（generative deep learning）を使って、この穴を埋める。しかも、データセット間のバッチ効果も統一する。

これは地味に見えて、ものすごく大きい。

従来のエイジング時計との決定的な違い

エピジェネティック時計の歴史を簡単に振り返る。

2013年にHorvathが最初のDNAメチル化時計を出して以来、この分野は急速に進んだ。Horvath & Raj 2018のNature Reviews Geneticsレビュー（PMID: 29643443）が整理しているように、第一世代の時計（Horvath Clock、Hannum Clock）は暦年齢の予測に特化していた。

その後、Levine et al. 2018のPhenoAge（PMID: 29676998）が臨床バイオマーカーを取り込み、死亡リスクの予測精度を上げた。GrimAge、DunedinPACEとさらに進化した。

そして最近では、Lin et al. 2026のDeepStrataAge（PMID: 41826374）のように、深層学習を使って非線形ダイナミクスや性差を捉える時計も出てきている。この研究では29,167サンプルで精度1.89年を達成し、早期・中年期・後期で異なる「波状の」エピジェネティック老化パターンを発見した。

だが、これらはすべて 単一モダリティ だ。

DNAメチル化だけ。プロテオミクスだけ。血液検査だけ。

AURORAが根本的に違うのは、7つの異なるモダリティを1つのフレームワークで統合し、しかも欠損を生成AIで補完するという点だ。

これは老化時計の「世代交代」と言っていい。

in silicoパータベーション解析という本当の衝撃

正直に言うと、老化時計の精度向上だけなら、僕の関心はそこまで高くない。

暦年齢 ± 2年で当たろうが ± 5年で当たろうが、それだけでは「だから何をすればいいのか」がわからない。

AURORAの真に重要な機能は、パーソナライズドin silicoパータベーション解析 だ。

つまり、個人のマルチオミクスデータを入力して、

• この人に薬Xを投与したらどう変わるか
• この介入Yをしたら生物学的年齢はどう動くか

を コンピュータ上でシミュレーション できる。

しかもこれは理論上の話ではなく、縦断コホートで検証済み だと著者らは主張している。

ここにバイオハッキングとの接点がある。

今の僕たちは、NMNを飲んでもクレアチンを飲んでも、「効いているかどうか」を本当の意味では測れていない。体感と、せいぜい血液検査の数値変化くらいだ。

AURORAのようなプラットフォームが実用化されれば、

• この人のオミクスプロファイルでは、NMNよりウロリチンAの方が老化時計を巻き戻す確率が高い
• この腸内細菌叢の構成では、プロバイオティクスXを先に入れた方がいい

といった 個別化された介入設計 が可能になるかもしれない。

これは精密医療（precision medicine）を超えて、精密バイオハッキング と呼ぶべき領域だ。

AIエージェントのプロトタイプ

論文のもう一つの注目点は、プロトタイプAIエージェント を作っている点だ。

単一の入力モダリティ（たとえば血液検査だけ）を入れると、AURORAが欠損を補完して、マルチモーダルなレポートを生成する。

これは実用を明確に意識した設計だ。

現実には、42万人全員が7モダリティすべてを測定するなど不可能だ。だが、一般的な血液検査だけでも、AIが他のモダリティを「推測」してくれるなら、スケーラビリティは劇的に上がる。

ただし、ここは慎重に見る必要がある。

推測された欠損データの精度がどの程度か が、この仕組みの信頼性を決める。論文ではバリデーションを行っているが、独立した外部コホートでの追試がどこまで進んでいるかは、今後注視すべきポイントだ。

冷静に見るべき限界

ここで温度を下げる。

AURORAは印象的な論文だが、いくつかの限界は押さえておきたい。

第一に、これは介入試験（RCT）ではない。

58万サンプルの観察データと機械学習モデルだ。「このモデルを使って介入をシミュレーションできます」と「この介入が実際に効きます」は別の話だ。

in silicoパータベーションで「NMNが効く」と出たとしても、それはモデルの予測であって、ヒトで検証されたRCTの結果ではない。

第二に、データの出自は主に中国のコホート。

Peking University、Shanghai Jiao Tong University、開灤（Kailuan）コホートなど、中国拠点のデータが中心と推測される。人種・民族による老化パターンの違いがどこまで反映されているかは不明だ。

第三に、生成AIによる欠損補完の「幻覚」リスク。

大規模言語モデルがそうであるように、生成モデルは「もっともらしいが間違った」データを作り出す可能性がある。医療文脈でこれがどう管理されているかは、かなり重要な問題だ。

僕がこの論文を重く見る理由

限界はある。だが、それでも僕はこの論文を重く見ている。

理由は、パラダイムシフトの方向性 が明確だからだ。

老化研究は長い間、「この1つのバイオマーカーが老化を反映している」という還元主義的なアプローチだった。テロメア長、DNAメチル化、炎症マーカー。どれも重要だが、どれも単独では老化の全体像を捉えられない。

AURORAは、老化を多次元的に捉え、AIで統合するという方向を明示した。

しかも、単なる測定ではなく、介入のシミュレーション まで含めている。

メトホルミンが霊長類で老化時計を減速させた研究（Yang et al. 2024, PMID: 39270656）が Cell に出ているように、「薬で老化を遅らせる」というコンセプト自体は加速度的に進んでいる。

AURORAのようなプラットフォームが成熟すれば、どの介入をどの個人に適用すべきか という問いに、データ駆動で答えられる可能性がある。

個人的に試してみたいこと

この論文を読んでから、僕は自分のサプリスタックについて少し考え直している。

今の僕は、論文のエビデンスレベルで優先順位をつけてスタックを組んでいる。NMN、ユビキノール、クレアチン、マグネシウムL-スレオネート。どれも個別にはエビデンスがあるが、組み合わせの最適化 は完全に勘と体感だ。

AURORAのような仕組みが一般に開放されたら、まずは自分のマルチオミクスデータを入れて、

• 現在のスタックが老化時計にどう影響しているか
• 何を追加し、何を削るべきか

をシミュレーションしてみたい。

もちろん、今すぐできる話ではない。だが、n=1の実験に客観的な多次元フィードバックがつく未来 は、かなり近づいたと感じている。

正直なところ、朝起きて「なんとなく調子がいい」よりも、「トランスクリプトームとメタボロームがこう動いている」と見えた方が、僕は安心する。そういう性格だ。

どんな人に関係があるか

この論文は、すぐに何かを買ったり飲んだりする話ではない。

だが、以下のような人には、今から知っておく価値がある。

1. 老化時計サービスを使っている人

TruDiagnostic、GlycanAge、Eloraなどのエピジェネティック時計サービスを使っている人は、次世代がマルチモーダルに向かっている ことを知っておいた方がいい。単一モダリティの時計は、数年後には「第一世代」扱いになる可能性がある。

2. サプリスタックを真剣に組んでいる人

僕のように複数のサプリを組み合わせている人にとって、in silicoパータベーション解析は スタック最適化のゲームチェンジャー になりうる。今は体感と個別のRCTに頼っているが、自分のオミクスデータに基づいたシミュレーションが可能になれば、精度は桁違いに上がる。

3. Peter AttiaやBryan Johnson的なアプローチに興味がある人

Peter Attia vs Bryan Johnsonのサプリ哲学比較で書いたように、両者ともデータ駆動の介入を重視している。AURORAのようなプラットフォームは、その延長線上にある技術だ。

まとめ

AURORAは、老化研究において

• マルチモーダル統合
• 生成AIによる欠損補完
• 介入応答のin silicoシミュレーション

を同時に実現したプラットフォームだ。

58万サンプルという規模で、7つのモダリティを統合し、しかも単一入力からマルチモーダルレポートを生成するAIエージェントまで作っている。

ただし、これは RCTではなく、プラットフォーム開発論文 だ。「AURORAで予測したら効果があった」と「実際にヒトで効果があった」の間には、まだ検証のギャップがある。

それでも、老化を1つのバイオマーカーではなく、多次元で捉えてAIで統合する という方向性は、おそらく不可逆だ。

僕たちが普段やっているバイオハッキングが、数年後には AIが個人のオミクスデータに基づいて設計してくれる 時代が来るかもしれない。

その最初の一歩として、この論文はかなり大きい。

関連して、薬理で老化機構を触る話は メトホルミンの新しい抗老化メカニズム や GLP-1受容体アゴニストのマルチオミクス研究 も文脈として近い。老化細胞の除去という切り口なら セノトキシンの発見 も参照してほしい。

AIプラットフォームが個人のオミクスを統合する時代を待ちつつ、足元で触れる長寿介入として最も合理的なのはNAD+前駆体だ。Hallmarks of Aging全体に上流から触れる数少ない手段になる。