多器官多组学生物衰老时钟的构建、解析与应用：方法学创新与临床转化

来自UK Biobank的研究团队通过整合2,448种血浆蛋白质组(Proteomics)和临床表型数据，开发了11种多器官蛋白质组生物年龄差(ProtBAGs)，并与9种表型生物年龄差进行遗传关联分析。该研究揭示了年龄偏差校正、器官特异性蛋白筛选等关键方法学要素，证实跨器官特征可提升全身性疾病和全因死亡率的预测效能，为构建多组学衰老评估框架提供新范式。

　　

这项开创性研究通过英国生物银行(UK Biobank)43,498名参与者的血浆蛋白质组数据，构建了11种基于多器官系统的蛋白质组生物年龄差(ProtBAGs)。研究团队采用创新的年龄偏差校正算法，结合机器学习技术，重点解析了蛋白质器官特异性分布对模型泛化能力的影响。

通过将ProtBAGs与先前开发的9种表型生物年龄差进行整合分析，揭示了衰老相关基因的多器官调控网络。特别值得注意的是，跨器官特征整合显著提升了系统性疾病的预测准确性，包括心血管疾病和神经退行性病变等衰老相关疾病。

在方法学层面，研究强调了样本量(>4万例)和病理状态对模型训练的关键作用。蛋白质组数据与临床表型的多维度融合，不仅增强了生物年龄评估的精确度，更为理解衰老的分子机制提供了新视角。该框架的建立标志着衰老研究从单一组学向多器官、多组学整合分析的重要跨越。