第二篇研究论文来自牛津大学与哈佛医学院及北京大学等多家研究团队，利用英国生物样本库（UK Biobank, UKB）中的血液蛋白组学数据建立了一个蛋白组学年龄时钟模型，并在UKB、中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中进行了进一步验证。研究结果显示，204种蛋白标志物能够准确预测个体的实际年龄，并与18种主要慢性病的发病率、多重疾病的发生以及全因死亡风险密切相关。

研究背景

衰老过程伴随着生理完整性与功能的逐渐丧失，这最终可能导致主要疾病的发生和死亡。传统的时间年龄（Chronologic Age）作为衡量“生物”衰老的一种常用方法，虽然有其应用价值，但存在一定缺陷。相比之下，利用“组学”数据来捕捉个体的生物功能水平，并将其与时间年龄的预期功能水平进行对比，则能更准确地评估生理年龄（Biological Age）及身体健康状况。

研究结果

在UKB测试集、CKB和FinnGen的独立验证中，ProtAge模型显示出卓越的预测性能和良好的泛化能力（R²值分别为0.88、0.82和0.87）。此外，研究发现一个包含20个蛋白的ProtAge20模型也能实现与完整模型相似的年龄预测性能。

蛋白组年龄的相关性

研究还探讨了蛋白组年龄与生理、身体及认知功能之间的关联，发现其在预测衰老相关的疾病风险、不同年龄段的特异性死亡率及疾病风险方面展现了显著的效果。

ProtAge与现有模型的比较

在对ProtAge与现有的DNA甲基化时钟及蛋白组学衰老时钟进行比较时，研究发现选定的蛋白和基因之间重叠很少，表明这两种模型可能关注不同的基因集。此外，64%的ProtAge相关蛋白（APs）未在此前的研究中被识别，显示该研究提供了一组相对新颖的预测蛋白。这些发现凸显了不同生物标志物可能揭示衰老过程的不同方面，并为理解衰老的复杂性提供了新的思路。

应用前景

基于来自三个国家的大规模人群队列（UKB、CKB和FinnGen），该研究利用Olink血浆蛋白组学作为测量生物年龄的强大工具，探索了自然人群中大多数常见与年龄相关疾病的生物学衰老特征。研究表明，开发蛋白组学衰老时钟可以作为识别疾病多重性的生物学机制的可靠工具，并有助于开发潜在的药物治疗手段或生活方式干预措施，以减少早亡风险及减缓或延迟与年龄相关疾病的发生，从而提升人们的生活质量。

尊龙凯时致力于生物医疗领域的研究与创新，推动蛋白组学技术的发展，为人们健康和长寿提供新的解决方案。