第二篇研究来自牛津大学，联合哈佛医学院和北京大学等多个研究团队，利用英国生物样本库（UK Biobank, UKB）中的血液蛋白组学数据，作为研究的开发队列，成功构建了一个蛋白组学年龄时钟模型，并在UKB队列、中国慢性病前瞻性研究队列（CKB）以及芬兰人群队列（FinnGen）中进行了进一步验证。研究表明，204种蛋白标志物能够精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相关性。

研究背景

随着年龄的增长，衰老会导致生理完整性和功能的逐渐丧失，从而最终引发主要疾病和死亡。时间年龄（Chronologic Age）是评估生物衰老的一种常见方法，然而这一方法存在一定的缺陷。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）及身体健康状况。

ProtAge模型的预测性能

在UKB测试集、CKB和FinnGen的独立验证集中，ProtAge模型展现了卓越的预测性能和广泛的泛化能力，R²值分别达到0.88、0.82和0.87。研究还发现，由20种蛋白组成的模型（ProtAge20）能够与完整模型实现相似的年龄预测性能。

蛋白组学年龄与衰老表型的相关性

研究显示，蛋白组年龄能够有效预测衰弱和衰老表型，并与年龄相关的生理、身体及认知功能相关联。同时，蛋白组学年龄也能够预测常见疾病的风险以及不同年龄特异性死亡率和疾病风险。

与现有模型的比较

研究还比较了ProtAge与当前DNA甲基化时钟和其他蛋白组学衰老时钟，发现两者之间的重叠相对较少，表明这两种模型可能关注于不同的基因集。此外，在与其他蛋白组学时钟的对比中，有64%的ProtAge相关蛋白未在之前的研究中被识别，标志着本研究为衰老生物标志物提供了一组相对新颖的预测蛋白。这些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，为理解衰老的复杂性提供了新的视角。

年龄预测的重要蛋白

本文基于UKB、CKB和FinnGen等三个国家的大规模人群队列项目，结合Olink血浆蛋白组学，探索自然人群中大多数与年龄相关的疾病生物学特征。研究结果表明，开发蛋白组学衰老时钟可作为识别疾病多重性生物机制的可靠工具，并可能为潜在药物治疗手段或生活方式干预提供基础，以降低早逝和延缓与年龄相关疾病的发生。

通过以上研究，鸿运国际希望能够进一步推动衰老生物学和慢性疾病的研究进程，促进更健康的生活方式，并为产品研发提供科学依据。