第二篇研究来自牛津大学，与哈佛医学院及北京大学等多个研究团队合作，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新的蛋白质年龄时钟模型。这一模型在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种主要慢性病的发病率、多重疾病以及全因死亡风险显著相关。

研究背景

随着年龄的增长，机体的生理完整性和功能会逐渐下降，最终导致重大疾病和死亡的发生。时间年龄（Chronologic Age）是衡量“生物”衰老的一种常用但有缺陷的替代指标。通过利用“组学”数据来捕捉个体的生物功能水平，并将其与时间年龄下的预期功能进行比较，可以更准确地评估生理年龄（Biological Age）及健康状况。

研究成果

在UKB测试集及CKB和FinnGen的独立验证集中，ProtAge模型展现了卓越的预测能力和泛化能力，R²值分别为0.88、0.82和0.87。此外，包含20个蛋白的简化模型（ProtAge20）显示出与完整模型相似的年龄预测性能。

蛋白组学与老化

研究进一步探讨了蛋白组年龄如何与衰弱和老化表型相关，以及与年龄相关的生理、身体和认知功能的关联性。该研究显示，蛋白组学年龄不仅能预测常见疾病风险，还可以揭示不同年龄群体间的特异性死亡率。

模型比较

研究还将ProtAge与现有的DNA甲基化时钟和其他蛋白组学衰老时钟进行了比较，结果显示，与DNA甲基化时钟相比，两者之间的重叠性较少，这表明两种模型可能侧重于不同的基因集。此外，64%的ProtAgeAPs未在之前的研究中被识别，提示该研究提供了一组相对新颖的预测蛋白组。

应用前景

基于来自UKB、CKB和FinnGen等三个国家的大规模人群队列，研究利用Olink血浆蛋白组学作为测量生物年龄的强大工具，探索自然人群中大多数与年龄相关疾病的生物学衰老特征。开发蛋白组学衰老时钟可作为识别疾病多重性的生物学技术，具备潜在的临床应用，如药物治疗和生活方式干预，以降低过早死亡风险，并减少或延迟与年龄相关的疾病的发生。

PG电子在生物医学领域的研究中，始终致力于推动相关技术进步，助力于更好的健康预防与管理。