如何使用BioAge：3种生物年龄算法的完整实现指南 🧪

BioAge是一个基于生物标志物数据计算生物年龄的R语言工具包，支持Klemera-Doubal Method（KDM）生物年龄、表型年龄（PhenoAge）和稳态失调指数（HD）三种主流算法。通过NHANES数据集训练模型，帮助研究人员快速评估生理衰老状态。

📌 快速安装：3行代码搞定BioAge环境

基础安装步骤

install.packages("devtools")
devtools::install_github("dayoonkwon/BioAge")
library(BioAge) # 加载包验证安装

⚠️ 注意：若需本地构建，请克隆仓库后从源码安装：
git clone https://gitcode.com/gh_mirrors/bi/BioAge

🧠 核心功能：3种生物年龄算法全解析

1. 稳态失调指数（HD）计算

通过12项生物标志物评估身体系统平衡状态，源码实现位于R/hd_calc.R。训练函数hd_nhanes()支持按性别分组建模：

hd = hd_nhanes(biomarkers=c("albumin","alp","lncrp","totchol","lncreat","hba1c","sbp","bun","uap","lymph","mcv","wbc"))

2. KDM生物年龄算法

基于多变量回归模型的动态年龄预测，核心实现见R/kdm_calc.R。使用示例：

kdm = kdm_nhanes(biomarkers=c("albumin","alp","lncrp","totchol","lncreat","hba1c","sbp","bun","uap","lymph","mcv","wbc"))

3. 表型年龄（PhenoAge）评估

整合临床标志物与死亡率风险的衰老指标，源码位于R/phenoage_calc.R。调用方式：

phenoage = phenoage_nhanes(biomarkers=c("albumin_gL","alp","lncrp","totchol","lncreat_umol","hba1c","sbp","bun","uap","lymph","mcv","wbc"))

📊 可视化工具：让生物年龄结果一目了然

生物年龄vs实际年龄散点图

使用plot_ba()函数生成直观对比图表，支持多算法结果并行展示：
图1：不同生物年龄算法与实际年龄的相关性比较（含KDM和表型年龄原始及改良版本）

多算法相关性热图

通过plot_baa()函数探索各衰老指标间的关联性：
图2：生物年龄指标相关性分析（对角线为变量分布，下三角为散点图，上三角为Pearson相关系数）

📑 结果分析：从统计表格到科学结论

死亡率关联分析表

table_surv()函数生成生物年龄与死亡风险的 Cox 回归结果：
表1：各生物年龄指标与全因死亡率的 hazard ratio 比较（调整年龄、性别等协变量）

健康状况关联分析

table_health()函数输出生物年龄与健康指标的线性回归结果：
表2：生物年龄指标与健康跨度相关特征（ADL、步行速度、握力）的关联强度

🚀 进阶应用：自定义数据集投影指南

外部数据投影流程

1. 数据预处理：确保生物标志物单位与NHANES一致（参考data-raw/nhanes_all.R）
2. 模型调用：使用*_calc系列函数（如hd_calc()）加载训练好的模型
3. 结果整合：合并多算法输出构建完整衰老图谱

示例代码片段：

# 投影HD指数到外部数据集
hd_result = hd_calc(
  data = your_data,
  reference = NHANES3_HDTrain, # 内置训练集
  biomarkers = c("albumin","alp","lncrp") # 选择标志物
)

📚 资源获取与引用

• 示例文档：vignettes/examples.Rmd
• 数据集：内置NHANES3和NHANES4标准化数据
• 引用格式：Kwon, D., Belsky, D.W. (2021). GeroScience, 43, 2795–2808.

通过BioAge，研究人员可快速实现标准化的生物年龄计算与衰老机制探索，为老龄化研究提供可靠工具支持。