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家研究团队，借助英国生物样本库（UK Biobank, UKB）中的血液蛋白组学数据，建立了一种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）中得到了进一步验证。研究显示，共有204种蛋白标志物能够有效预测实际年龄，并与18种主要慢性病的发病率、多重疾病和全因死亡风险相关联。

研究背景：衰老过程通常导致生理完整性和功能的持续下降，最终可能引发主要疾病及死亡。时间年龄（Chronologic Age）作为衡量“生物”衰老的一种常见但存在局限性的替代方法，难以全面反映个体的生理状态。而通过“组学”数据评估个体的生物功能水平，能够与时间年龄的预期功能水平进行对比，从而更准确地评估生理年龄（Biological Age）及身体健康状况。

在UKB测试集、CKB和FinnGen的独立验证中，ProtAge模型展现出卓越的预测性能和泛化能力（R²值分别为0.88、0.82和0.87）。此外，研究还发现，包含20个蛋白的模型（ProtAge20）能够与完整模型提供相似的年龄预测性能。

蛋白组年龄预测和衰弱表型：ProtAge模型与年龄相关的生理、身体及认知功能密切相关，同时还能够预测常见疾病风险和不同年龄特异性的死亡率。研究比较了ProtAge与现有的DNA甲基化时钟及蛋白组学衰老时钟，发现与DNA甲基化时钟相比，所选蛋白和基因的重叠度较低，显示两者可能关注不同的基因集；此外，与现有的蛋白组学年龄时钟相比，有64%的ProtAge APs在以往研究中尚未被识别，这表明本研究提供了一些相对新颖的预测蛋白。

总结：这些发现突显了不同生物标志物揭示衰老过程不同方面的可能性，为理解衰老复杂性提供了新视角。研究基于三个国家的大规模人群队列项目（UKB、CKB和FinnGen），利用Olink血浆蛋白组学作为一种强大的测量生物年龄的工具，探索自然人群中大多数常见与年龄相关疾病的衰老特征。开发蛋白组学衰老时钟不仅为识别疾病多重性的生物机制提供了可靠工具，还可为潜在药物治疗手段或生活方式干预的开发铺平道路，从而减少过早死亡的风险，并减缓或推迟与年龄相关的疾病发生。

尊龙凯时-人生就是博，在生物医疗领域，致力于推动健康科技的进步，通过科学研究帮助人们更好地理解 aging 和健康管理。