第二篇研究由牛津大学联合哈佛医学院和北京大学等多家研究团队共同完成，利用英国生物样本库（UK Biobank, UKB）中的血液蛋白组学数据开发了一个蛋白组学年龄时钟模型。此模型经过在UKB队列、中国慢性病前瞻性研究队列（CKB）及芬兰人群队列（FinnGen）中的验证，结果显示有204种蛋白标志物能够准确预测个体的实际年龄，并与18种主要慢性疾病的发病率、多重疾病及全因死亡风险密切相关。

研究背景

随着衰老的进程，生理完整性和功能逐渐丧失，最终可能导致重大疾病及死亡的发生。传统的时间年龄（Chronologic Age）常被用作评估“生物”衰老的一种方法，然而这种方法存在一定的局限性。通过使用组学数据捕捉个体的生物功能水平，并将其与时间年龄的预期功能标准进行比较，可以更准确地评估生理年龄（Biological Age）和身体健康状态。

研究结果与模型性能

在UKB测试集、CKB和FinnGen的独立验证中，ProtAge模型呈现出优秀的预测性能和广泛的外推能力（R²值分别为0.88、0.82和0.87）。研究还发现一个包含20种蛋白的简化模型（ProtAge20）表现出与完整模型相似的年龄预测能力。

• 蛋白组年龄预测衰弱与衰老相关表型，以及相关的生理、身体和认知功能。
• 蛋白组学年龄能够预测多种常见疾病的风险、不同年龄段的死亡率及疾病风险。

与现有模型的比较

研究对ProtAge模型与已有的DNA甲基化时钟及蛋白组学衰老时钟进行了比较，结果发现两者之间的重叠较小，这表明这两种模型可能涉及不同的基因集。此外，64%的ProtAge应用蛋白（ProtAge APs）在现有蛋白组学衰老时钟的研究中并未被识别。这一发现突显了不同生物标志物可能揭示衰老过程的不同方面，也为理解衰老的复杂性提供了新视角。

预测女性与男性年龄的关键蛋白

根据来自UKB、CKB和FinnGen这三个国家大规模人群队列的联合研究，利用Olink血浆蛋白组学作为测量生物年龄的强大工具，探索自然人群中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不仅可以作为识别疾病多重性的生物学机制的工具，还可用作开发潜在药物治疗手段或生活方式干预的基础，以减少过早死亡的风险，以及降低或延迟与年龄相关的疾病。

尊龙凯时致力于支持生物医学领域的研究，通过创新和科学推动健康的未来。