基于血浆蛋白质组的器官特异性衰老时钟：跨人群疾病与长寿预测的新框架

《Nature Aging》：Organ-specific proteomic aging clocks predict disease and longevity across diverse populations

　　本研究针对器官特异性衰老评估的难题，利用英国生物银行（UKB）43,616例样本的血浆蛋白质组数据，通过机器学习构建了机体整体和10个器官系统的衰老时钟，并在中国（CKB, n=3,977）和美国（NHS, n=800）队列中验证（r=0.93-0.98）。研究发现，加速的器官衰老可独立预测疾病发生、进展和死亡，其中大脑衰老与死亡风险关联最强（HR=1.44）。脑衰老时钟可跨APOE单倍型分层阿尔茨海默病（AD）风险，且超级年轻脑表型可能赋予APOEε4携带者韧性。该研究为跨人群追踪衰老和疾病风险提供了可生物学解释的新工具。

　　

衰老是一个功能逐渐丧失的连续过程，会增加对多种疾病的易感性，并最终导致死亡。这一复杂的生物学过程受到环境和遗传因素的双重影响，不仅在同龄个体间存在巨大差异，在同一个体的不同细胞、组织和器官之间也表现出显著的异质性。因此，准确、系统地测量生物年龄对于追踪衰老进程、理解年龄相关疾病以及评估生活方式和药物干预的反应至关重要。尽管基于临床参数和表观遗传学标记等不同组学数据的衰老时钟在评估整体机体衰老方面取得了实质性进展，但这些研究往往缺乏对多个器官或生理子系统衰老动态的详细表征。虽然已有一些基于影像学表型和器官功能临床生物标志物的器官特异性时钟被开发出来，但许多时钟的器官特异性有限，很大程度上反映的是系统性或整体衰老，而非器官固有的衰老过程。此外，尽管这些时钟与年龄相关表型有关联，但它们往往无法提供分子层面的见解，或与已知的衰老和年龄相关疾病通路建立机制性联系。

蛋白质稳态丧失是衰老的一个基本标志，并与众多年龄相关疾病有关。作为连接基因组与生物学过程和表型的中介层，血浆蛋白质组比常用于开发衰老时钟的其他组学层（如DNA甲基化）更接近驱动衰老的下游机制。测量数千种循环蛋白的血浆蛋白质组学为在分子水平上深入了解衰老过程及相关生物学提供了强大工具。近期研究表明，基于适体的血浆蛋白质组学所获得的器官富集蛋白可以量化具有生物学解释性的器官特异性衰老并预测疾病风险。然而，几个关键问题仍未解决：器官特异性衰老测量在更广泛人群中的可重复性，以及基于抗体的蛋白质组平台用于此目的的适用性尚未得到证实。此外，一个单一的器官特异性衰老时钟在多大程度上能提供独立于其他器官时钟以及已建立的临床和遗传生物标志物的预测价值，尚未得到充分评估。值得注意的是，许多针对特定系统（如大脑或免疫系统）的现有衰老时钟依赖于数百种蛋白质，限制了其临床转化的可行性。一个包含最少数量蛋白质同时保持强大预测性能的简约组合——类似于临床实践中如何使用单个血浆蛋白生物标志物——将大大增强转化潜力。

为填补这些知识空白，研究人员利用了英国生物银行（UKB）迄今为止最大的蛋白质组数据集（n=43,616），使用非线性机器学习方法，跨越十个主要器官系统构建了蛋白质组水平的机体整体和器官特异性衰老时钟。这些模型在具有不同种族和地理背景的两个队列中进行了外部验证：中国嘉道理生物银行（CKB; n=3,977）和美国的护士健康研究（NHS; n=800）。研究人员全面分析了环境、生活方式和遗传因素对器官衰老的贡献，并检查了器官衰老与大脑结构特征之间的关联。此外，还系统评估了三个队列中器官特异性衰老与年龄相关表型、慢性疾病和全因死亡率之间的前瞻性关系。进一步地，研究人员优先确定了与衰老和疾病风险（特别是神经退行性疾病）相关的关键器官和蛋白质，强调了可能同时 underlying 器官衰老和疾病发生的共享分子通路。最后，研究人员开发了使用减少蛋白质集合的简约模型，这些模型保持了与完整模型相当的预测性能，增强了其临床应用的潜力。聚焦于神经退行性疾病（NDs），研究结果表明，蛋白质组器官衰老时钟为量化器官衰老和预测不同人群的疾病及死亡风险提供了一种非侵入性且可解释的工具。

主要技术方法概述

本研究主要基于英国生物银行（UKB）大规模人群队列的血浆蛋白质组数据（Olink Explore 3072 panel，检测2,916种蛋白质），利用轻量梯度提升机（LightGBM）模型和Boruta特征选择算法，构建了机体整体和一个器官系统的衰老时钟。研究整合了基因型-组织表达（GTEx）项目的数据来鉴定器官富集蛋白。模型性能在CKB和NHS两个独立队列中进行了外部验证。通过全基因组关联分析（GWAS）探索了器官衰老的遗传决定因素，并利用Cox比例风险模型等统计方法评估了器官衰老与疾病、死亡风险的关联。

研究结果

蛋白质组时钟捕捉不同人群的器官特异性衰老和衰老表型

研究纳入UKB的43,616名参与者（54%为女性，基线年龄37-70岁）以及两个独立的外部验证队列：CKB的3,977名中国参与者（54%为女性，年龄30-78岁）和NHS的800名美国参与者（100%为女性，年龄43-69岁）。所有三个队列均使用Olink Explore 3072 panel进行血浆蛋白质组分析，检测了2,916种蛋白质。通过整合GTEx项目的组织表达数据，研究人员注释了418种（14.3%）在十个主要器官或系统中至少一个富集的蛋白质。最终训练的机体整体衰老时钟包含240个年龄相关蛋白（APs），而器官特异性衰老时钟包含的APs数量从5个（心脏）到76个（免疫系统）不等。在UKB测试集中，蛋白质预测的机体年龄与chronological age（时序年龄）强相关（Pearson r=0.94），器官特异性年龄显示中度至强相关性（例如，大脑r=0.78）。在CKB和NHS中也观察到相似的模式，证实了所开发模型的高年龄预测准确性。基于蛋白质组年龄，研究定义了两种衰老表型：（1）年龄差距（age gap，蛋白质组年龄对时序年龄回归的残差），表示相对于同龄人的加速或延迟衰老；（2）极端衰老表型（extreme ageotypes），指至少有一个器官年龄差距超出±1.5个标准差的个体，反映器官极度衰老或年轻。

器官衰老时钟预测多器官疾病、共病和死亡率

加速的器官衰老能够预测疾病的发生、进展和死亡，且其预测能力超越了临床和遗传风险因素。例如，大脑年龄差距与未来神经退行性疾病（NDs）风险关联最强，包括全因痴呆（ACD）、多发性硬化症（MS）和帕金森病（PD）。肾脏和肠道年龄差距与慢性肾脏病（CKD）和2型糖尿病（T2D）风险最显著相关。值得注意的是，器官衰老也能预测其系统之外的疾病；例如，大脑衰老与中风和心肌梗死等多种躯体疾病相关。心脏和动脉衰老与心血管疾病和慢性肝病密切相关。器官特异性衰老在大多数疾病结局上比机体整体衰老表现出更强的关联性。所有器官年龄差距均能预测全因死亡率，风险增加10-40%；其中大脑衰老的影响最强。随后对极端器官衰老表型与疾病和死亡率的关联评估发现，由加速器官衰老定义的衰老表型与大多数躯体疾病、死亡率和几种神经精神疾病的风险增加相关，其中加速的大脑衰老与大多数结局（17个中的15个）相关。极端年轻器官表型与结局的显著关联少于加速衰老表型。极端器官的数量与疾病和死亡风险呈剂量依赖关系。与没有任何极端器官的参与者相比，拥有一到两个、三到四个以及五个或以上极度衰老器官的参与者的死亡风险分别高出1.7倍、3.8倍和7.8倍，而拥有相同数量极度年轻器官的参与者的风险分别降低了25%、40%和60%。痴呆风险同样随着衰老器官数量的增加而增加（1.4倍、2.4倍和4.1倍），并随着年轻器官数量的增加而降低（降低19%、49%和75%）。大脑衰老与神经精神和躯体疾病的共病均密切相关，其中肾脏、肠道、胰腺和大脑是涉及的主要器官。

大脑与躯体衰老预测未来认知衰退和神经退行性疾病并关联不同的致病通路

鉴于大脑衰老与神经退行性疾病之间的强关联，研究人员进一步评估了这些关联在不同疾病阶段的情况，并描述了连接大脑和躯体衰老与神经退行性疾病的共享分子特征和通路。聚焦于大脑和躯体（机体整体、动脉和心脏）衰老，研究发现它们均能独立地增加神经退行性疾病风险。在基线健康的参与者中，大脑和躯体衰老均与多个认知领域的较差功能相关；大脑衰老在所有评估的认知领域均显示出显著关联。在8年随访期间，大脑年龄差距与从认知健康转变为轻度认知障碍（MCI）的风险增加显著相关。在MCI参与者中，大脑和躯体衰老均与后续进展为痴呆的风险相关，这与基线健康个体发生痴呆的关联一致。即使调整了已建立的生物标志物和风险因素（如时序年龄、认知功能、AD的多基因风险评分（PRS）、APOEε4基因型以及其他未包含在大脑衰老模型中的AD相关蛋白），大脑年龄差距仍与痴呆有强烈的独立关联。大脑衰老和遗传风险对痴呆有联合效应。大脑衰老时钟中的单个蛋白质对痴呆的相对贡献分析显示，前20的蛋白质中，与至少两种痴呆表型相关的包括胶质纤维酸性蛋白（GFAP）、神经丝轻链（NEFL）、短蛋白聚糖（BCAN）、激肽释放酶6（KLK6）和突触结合蛋白1（SYT1）。大脑衰老时钟的前20种蛋白质在神经元和神经胶质细胞（少突胶质细胞、星形胶质细胞和小胶质细胞）中特异性表达，并在跨突触信号调控和轴突发育通路中富集。

大脑衰老时钟在APOE单倍型中预测痴呆风险

大脑年龄差距能独立于APOE单倍型预测未来痴呆风险。APOE基因型与痴呆风险强烈相关，且呈剂量依赖性。在包含大脑年龄差距、APOE基因型及其交互项的模型中，观察到APOEε4纯合子（ε4/ε4）与大脑年龄差距之间存在显著的交互作用。大脑衰老与痴呆之间的保护性关联在APOEε4纯合子中更为明显。与具有APOE3/3和正常大脑衰老的参与者相比，携带APOEε4且大脑衰老正常和极度衰老的个体患痴呆的风险分别增加3.6倍和11.0倍；而具有APOE3/3和超级年轻或极度衰老大脑的个体，风险分别降低60%和增加3倍。大脑年龄差距与年龄的剂量反应关系因APOE基因型而异。在APOEε4纯合子中，大脑年龄差距在55至65岁之间出现明显的上升趋势——大约比该人群痴呆发病的平均年龄早5-10年。

原始与精简器官衰老时钟相较于临床生物标志物的预测性能

评估显示，大脑衰老时钟在预测痴呆及其亚型方面表现出色。对于全因痴呆、AD和血管性痴呆（VD），加入大脑年龄差距后，预测性能略优于包含表型年龄（PhenoAge）和认知功能的模型。将大脑年龄差距加入已包含临床和AD PRS的模型后，进一步提高了预测能力，获得了最佳性能。对于全因死亡率，仅大脑年龄差距的预测性能与包含所有器官年龄差距或同时包含大脑年龄差距和PhenoAge的模型相当。为评估转化潜力，研究人员开发了大脑和机体整体衰老时钟的精简版本，蛋白质数量大幅减少。对于机体整体时钟，一个包含20种蛋白质的模型保留了原始性能的88.6%（r²从0.88降至0.78），蛋白质数量减少了92%。类似地，对于大脑时钟，一个包含10种蛋白质的模型——蛋白质数量减少了86%（从70减至10）——保留了原始性能的88.4%（r²从0.59降至0.52）。这些精简时钟在两个验证队列中保持了其性能。与疾病结局的关联在三个队列中，原始模型和精简模型之间基本一致。值得注意的是，精简大脑衰老时钟对未来痴呆的预测性能与完整模型相当，凸显了其仅需十种非空腹血浆蛋白即可具备的潜在临床效用。

结论与意义

本研究利用来自英国、中国和美国三个深度表型的人群队列研究的蛋白质组数据，证明了蛋白质组器官衰老时钟为在器官水平上无创量化衰老提供了一个强大且可解释的框架。这些时钟能够一致地预测疾病、共病和死亡的未来风险——独立于已建立的临床生物标志物和风险因素——跨越不同人群。重要的是，它们揭示了不同的器官特异性致病通路，其中大脑衰老时钟对神经退行性疾病表现出特别强的预测性能。相比之下，其他躯体疾病和死亡率则由多个器官特异性时钟预测。其中，大脑衰老时钟与几乎所有主要疾病和共病的发生率独特相关，独立于其他器官时钟，并且与死亡率的关联最强。此外，仅使用10-20种非空腹蛋白质的稀疏化模型在多个队列中保持了高预测性能，突出了其临床实用性和可行性。这些蛋白质组时钟为指导针对关键蛋白质和通路的器官特异性长寿干预措施提供了一条有前景的途径，旨在减轻年龄相关疾病的负担并促进健康衰老。

该研究代表了迄今为止关于蛋白质组衰老时钟在器官特异性和系统水平上无创量化衰老的生物学和临床实用性的最全面证据。这些模型在预测疾病风险和追踪长寿方面优于已建立的临床和遗传生物标志物，同时揭示了不同的致病通路和潜在可修饰的靶点。重要的是，还确定了保留高预测准确性且非常适合临床转化的简约蛋白质组合。通过揭示跨器官系统的生物衰老与疾病的蛋白质组汇聚性，这些衰老时钟提供了一个强大且可解释的框架，以指导针对性的、器官特异性的干预措施，从而减轻年龄相关疾病的负担并促进健康衰老。