第二篇研究来自牛津大学、哈佛医学院及北京大学等多家研究团队，他们利用英国生物样本库（UK Biobank, UKB）的血液蛋白组学数据，建立了一个蛋白组学年龄时钟模型。该模型随后在UKB队列、中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中得到了进一步验证。研究发现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、多重疾病以及全因死亡风险存在显著关联。

研究背景

衰老过程导致生理完整性和功能的逐步丧失，最终引发重大的疾病和死亡。传统的时间年龄（Chronologic Age）虽是衡量“生物”衰老的一种常用方法，但存在一定的缺陷。通过使用“组学”数据来捕捉个体生物功能水平，并与时间年龄的预期功能水平进行比较，可以更准确地评估生理年龄（Biological Age）及其与身体健康的关系。

模型验证与结果

在UKB测试集、CKB和FinnGen的独立验证集中，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）。研究发现包含20种蛋白质的模型（ProtAge20）在年龄预测性能上与完整模型相似。

蛋白组学年龄与疾病关联

研究还发现，ProtAgeGap可以有效预测与年龄相关的生理、身体及认知功能的变化。此外，蛋白组学年龄可以用于预测不同年龄阶段的常见疾病风险及特异性死亡率。

研究比较

该研究对ProtAge与现有的DNA甲基化时钟及蛋白组学衰老时钟进行了比较，发现与DNA甲基化时钟相比，所选定的蛋白和基因重叠较少，表明这两种模型可能侧重于不同的基因集。同时，与现有的蛋白组学年龄时钟相比，64%的ProtAge适应性蛋白（APs）在之前的研究中未被识别，显示出这项研究提供了一组相对新颖的预测蛋白。

生物标志物的重要性

这些发现强调了不同的生物标志物可能揭示衰老过程中的不同方面，进而为了解衰老的复杂性提供了新视角。使用基于UKB、CKB和FinnGen的三国大规模人群队列项目，利用Olink血浆蛋白组学作为测量生物年龄的强大工具，为研究自然人群中大多数与年龄相关的疾病生物学特征提供了理论基础。

未来展望

研究表明，开发蛋白组学衰老时钟不仅是识别疾病多重性的生物学机制的一种可靠工具，还有助于开发潜在的药物治疗或生活方式干预手段，以减少过早死亡以及减缓或延迟与年龄相关的疾病。

欲了解更多信息，请访问918博天娱乐官网，获取最新的生物医疗动态及研究成果。