第二篇研究来自牛津大学、哈佛医学院以及北京大学等多个研究团队，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创新的蛋白组学年龄时钟模型。该模型在UKB队列、中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中进行了广泛验证，结果发现，有204种蛋白标志物能够准确预测个体的实际年龄，并与18种主要慢性病的发病率、多重疾病和全因死亡风险密切相关。

研究背景

衰老是导致身体功能和生理完整性逐渐丧失的过程，最终引发多种重大疾病和死亡。时间年龄（Chronologic Age）作为评估“生物”衰老的常用方法，其准确性却有待提升。运用组学数据来捕捉个体的生物功能水平，并与时间年龄的预期功能水平进行比较，可以更精确地评估个体的生理年龄（Biological Age）和整体健康状态。

模型表现与验证

在UKB测试集以及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，其R²值分别为0.88、0.82和0.87。此外，研究还发现，包含20个蛋白的ProtAge20模型能够与完整模型相媲美，达到相似的年龄预测效果。

衰老与疾病风险的关联

ProtAge模型能够有效预测衰弱和衰老表型与年龄相关的生理、身体及认知功能的关系。同时，蛋白组学年龄还具有预测不同年龄特异性死亡率和常见疾病风险的能力。研究表明，ProtAge在与现有DNA甲基化时钟及其他蛋白组学年龄时钟的比较中，发现二者之间的重叠性极少，这意味着它们可能关注不同的基因集。此外，64%的ProtAge相关蛋白（APs）在先前的研究中未被识别，这表明该研究提供了一组相对新颖的预测蛋白组。

探索与应用前景

基于来自UKB、CKB和FinnGen这三个国家大规模人群队列的研究，XPJ利用Olink血浆蛋白组学作为测量生物年龄的重要工具，深入探索自然人群中与年龄相关疾病生物学的衰老特征。研究显示，开发蛋白组学衰老时钟可能成为识别疾病多重性生物学机制的可靠工具，并可为潜在药物治疗手段及生活方式干预提供新思路，从而减少过早死亡，并减缓或延迟与年龄相关的疾病。

XPJ的研究为理解衰老的复杂过程提供了新视角，未来的研究将继续揭示蛋白组学在生物医学领域中的重要应用。