Nature子刊：西湖大学发现多种衰老生物标志物
Nature子刊：西湖大学发现多种衰老生物标志物
衰老是一个不可逆转的过程，其特征是机体功能衰退和对疾病的易感性增加。尽管生理测量、功能测试和复杂的组学方法已被用于预测实际年龄，但理解复杂的衰老生物学仍然具有挑战性。
除了确定可靠的衰老生物标志物外，深入了解它们与衰老相关病理的关系，将有助于推进旨在延长健康寿命的临床干预措施。
2025年1月13日，来自西湖大学的研究团队在Nature Metabolism杂志发表题为“Longitudinal serum proteome mapping reveals biomarkers for healthy ageing and related cardiometabolic diseases"的文章。
该研究数据来自 3,796 名中老年人队列的 7,565 个血清样本的纵向蛋白质组，通过分析确定了 86 种与衰老相关的蛋白质，这些蛋白质表现出与 32 种临床特征和 14 种主要与衰老相关的慢性疾病发病率相关的特征。
此外，利用机器学习模型，研究人员挑选了其中的 22 种蛋白质生成蛋白质组健康衰老评分 (PHAS)，该评分能够预测心脏代谢疾病的发病率。
本研究使用了广州营养与健康研究 (GNHS) 的数据，纳入了 3,796 名参与者，在 9 年的随访期内的三个时间点采集了 7,565 份血清样本。此外，还纳入了一个由 124 名参与者组成的外部验证队列，在 4 年的随访期间的两次队列访问中采集了 200 个血清样本。各队列参与者的基线特征相似。
为了追踪衰老过程中的蛋白组学轨迹，研究人员在由 1,939 名参与者组成的 GNHS 发现队列中，随访期间收集了 4,637 个血清样本，发现了 148 种与年龄显著相关的血清蛋白。其中，77 种呈负相关，71 种呈正相关。
随后，在 GNHS 验证队列（由 1,857 名参与者组成，在随访期间收集了 2,928 份血清样本）中，发现148 种蛋白质中的 86 种也与年龄显著相关，并且这些关联的系数在 GNHS 发现队列和验证队列之间高度相关。重要的是，在外部队列数据也得到了验证。
紧接着，研究人员探究了 86 种衰老相关蛋白质的基线水平与 14 种慢性病发病率之间的潜在关联。结果发现，67 种衰老相关蛋白质共有 131 个名义上显著的关联，其中十多种蛋白质与血脂异常、高血压、2 型糖尿病 (T2D)、脂肪肝和肝炎相关。
此外，在观察到的 131 个蛋白质-疾病关联中，35 个在经过多重检验校正后仍然具有显著性。其中，α-1-抗胰蛋白酶 (A1AT)、富含亮氨酸的 α-2-糖蛋白(A2GL)、A2MG、脂联素 (ADIPO)、锌指蛋白 Gfi-1 (GFI1)、ITIH3、RAIN 和玻璃粘连蛋白 (VTNC) 在内的八种蛋白质与两种或两种以上与衰老相关的代谢疾病有关。
最后，研究人员开发了一个更简洁的随机森林模型，该模型由最重要的 22 种衰老相关蛋白质组成。与包含 86 种衰老相关蛋白质的模型相比，该简洁模型实现了相同的准确度。通过该模型发现，较高的 PHAS 值与改善的人体测量参数、脂质和葡萄糖代谢生物标志物以及改善的肝脏和肾脏生物标志物纵向相关。
总而言之，这项纵向研究扩展了我们对衰老背景下血清蛋白质组学概况及其对人类健康影响的认识。该研究确定了与衰老相关的血清蛋白质组生物标志物，并从蛋白质组学的角度为人类衰老的潜在机制提供了宝贵的见解。重要的是，这些发现的蛋白质组生物标志物有可能成为监测和预测衰老相关心脏代谢疾病的宝贵工具。