衰老单核细胞分泌组预测人类年龄相关临床结局的蛋白质组学研究

来自Olinger和Banarjee团队的研究人员通过多组学技术解析衰老单核细胞分泌组（SASP），在巴尔的摩纵向衰老研究（BLSA）的1,060份血浆样本中发现与肥胖、血脂、炎症标志物及运动能力等表型相关的衰老生物标志物，其构建的机器学习模型在独立队列InCHIANTI中验证了高影响力SASP标志物组的临床预测价值，为无创评估个体衰老负荷及抗衰老药物研发提供新工具。

　　

随着衰老进程，细胞衰老（cellular senescence）现象加剧并与多种退行性病变相关。这项研究通过纳米颗粒蛋白质组学技术，首次系统描绘了THP-1单核细胞的衰老相关分泌表型（senescence-associated secretory phenotype, SASP），并在巴尔的摩纵向衰老研究（Baltimore Longitudinal Study of Aging）的1,060例血浆样本中进行验证。

令人振奋的是，基于THP-1单核细胞SASP特征训练的机器学习模型，成功预测了测试队列中与年龄相关的多种临床表型——包括体脂组成、血液脂质谱（blood lipids）、炎症标志物以及运动能力等。更关键的是，研究团队在意大利InCHIANTI独立衰老队列中验证了部分SASP标志物（特别是高预测价值SASP组合）的普适性。

这些发现不仅证实循环SASP的临床相关性，更为未来无创评估个体衰老程度（senescence burden）及测试新型抗衰老药物（senotherapeutics）疗效提供了潜在分子靶标。该研究为理解衰老相关疾病的分子机制开辟了新视角，其建立的SASP预测模型有望成为临床转化研究的利器。