Biological age (BA) has been proposed to evaluate the aging status instead of chronological age (CA). Our study shows evidence that there might be multiple "clocks" within the whole-body system: systemic aging drivers/clocks overlaid with organ/tissue-specific counterparts. We utilize multi-omics data, including clinical tests, immune repertoire, targeted metabolomic molecules, gut microbiomes, physical fitness examinations, and facial skin examinations, to estimate the BA of different organs (e.g., liver, kidney) and systems (immune and metabolic system). The aging rates of organs/systems are diverse. People's aging patterns are different. We also demonstrate several applications of organs/systems BA in two independent datasets. Mortality predictions are compared among organs' BA in the dataset of the United States National Health and Nutrition Examination Survey. Polygenic risk score of BAs constructed in the Chinese Longitudinal Healthy Longevity Survey cohort can predict the possibility of becoming centenarian.

Abstract Exosomal microRNA (miRNA) is an emerging source for biomarkers of Alzheimer’s disease (AD). Here, we profiled miRNA expression in AD, mild cognitive impairment (MCI), and controls. The assessment and validation of differentially expressed miRNA represented their potential to be novel biomarkers for AD and MCI. We conducted 13 co-expression networks and a miRNA network module linked to neural function emerged as the most significantly associated with AD diagnosis. The conservation analysis revealed the M1 was highly preserved in controls but dysfunction in AD and MCI. The module pattern between MCI and NC was similar, but significantly differed from AD, suggesting that the neural network regulated by miRNA changed during the mild cognitive stage, and the total miRNA expression altered in AD stage. Additionally, 24 out of 26 M1 hub-miRNAs were derived from brain tissue, and 15 had been reported as AD biomarkers. We consequently proposed the other 11 miRNAs could play important roles in AD. Our study highlights that co-expression network analysis can provide a new path for finding novel biomarkers.