多模态衰老生物标志物与全因死亡率相关的血浆蛋白质组学特征

《Aging Cell》：Multimodal Ageing Biomarkers and Plasma Proteomic Signatures Associated With All-Cause Mortality

衰老生物标志物可量化个体间随年龄增长而变化的分子、生理或功能特征，并可能改善超越实际年龄的健康结局预测。近期，血浆蛋白质组学已被用于估算11个人体器官的生物学年龄。尽管器官加速衰老与更高的死亡风险相关，但目前尚缺乏针对既定衰老生物标志物的系统性基准评估。本研究追求两个互补目标。首先，研究人员利用Cox回归在洛锡安出生队列1936（LBC1936）中对蛋白质组器官时钟与多模态衰老生物标志物进行了基准测试，评估其与16年全因死亡率的关联（861名参与者；444例死亡）。生物标志物包括表观遗传时钟GrimAge2、端粒长度、身体功能（握力、步行时间和呼吸功能）、神经影像学和认知测量指标。在蛋白质组时钟中，肝脏（HRperSD [95% CI] = 1.43 [1.30–1.58]）、免疫系统（1.42 [1.29–1.57]）和心脏（1.38 [1.25–1.53]）的加速衰老与死亡风险增加的相关性最强。然而，更老的表观遗传年龄、更小的全脑和灰质体积、降低的呼吸功能和较差的认知表现显示出更强的死亡风险关联（HRperSD = 1.44–1.62）。其次，对9703个血浆蛋白靶点的生存分析确定了368个与死亡率相关的候选蛋白，高风险蛋白富集于免疫功能，而低风险蛋白则涉及基因组稳定性和细胞维持。GDF15（HRperSD [95% CI] = 1.56 [1.42–1.72]）、WFDC2（1.47 [1.33–1.62]）和TIMP1（1.45 [1.29–1.62]）是与死亡率相关的主要蛋白质组候选物。本研究提供了蛋白质组器官时钟与既定衰老生物标志物之间的系统性跨模态基准测试，并鉴定了与死亡风险相关的蛋白质和生物学功能。

论文解读文章

研究背景与目的

衰老是一个复杂的生物学过程，其特征是分子和细胞损伤的渐进性累积，导致身体和认知能力下降、疾病风险增加乃至死亡。虽然实际年龄是衡量时间流逝的简单指标，但同龄个体在功能状态和健康水平上可能存在巨大差异。因此，“生物学年龄”的概念应运而生，旨在捕捉个体当前的生理状态，以期比实际年龄更好地预测未来健康结局。随着全球人口老龄化加剧，开发可靠的衰老生物标志物变得日益重要。

目前已涌现出多种衰老生物标志物，涵盖分子（如端粒长度、表观遗传时钟）、细胞、功能（如握力、步速）和影像学等不同模态。近年来，基于适配体的高通量蛋白质组学技术能够同时定量数千种血浆蛋白，并据此开发了器官特异性的蛋白质组衰老时钟，用以估算11个主要器官的生物学年龄。已有研究发现，器官加速衰老与更高的死亡风险相关。然而，这些新型蛋白质组器官时钟在与既有的、已被广泛研究的多种模态衰老生物标志物进行系统性比较时，其预测死亡风险的相对效能如何，尚不清楚。此外，大规模、无偏倚地筛选与长寿相关的血浆蛋白及其所涉及的生物学通路，对于理解衰老机制和识别干预靶点至关重要。为此，本研究旨在达成两个互补目标：一是系统性地将11种蛋白质组器官时钟与包括表观遗传、身体功能、认知和神经影像在内的多模态衰老生物标志物进行基准测试，比较它们与全因死亡风险的关联强度；二是通过对近万个血浆蛋白靶点进行生存分析，鉴定新的与长寿相关的蛋白质候选物，并通过富集分析揭示其背后的生物学过程。

关键技术方法

研究基于洛锡安出生队列1936（LBC1936）的纵向数据，该队列包含约73岁时的基线生物标志物测量和长达16年的死亡率随访。主要技术方法包括：1）利用SomaScan 11K（v5.0）平台对血浆蛋白进行高通量定量，并经严格质控后保留9703个蛋白靶点进行分析。2）应用先前发表的LASSO回归模型系数，计算每位参与者的11个器官（如肝脏、心脏、免疫系统等）的蛋白质组预测年龄，并标准化得到反映器官加速或减速衰老的“年龄差距”。3）采用Cox比例风险模型，分别评估23种衰老生物标志物（包括11种蛋白质组器官时钟、GrimAge2、端粒长度、身体功能指标、认知功能g因子、神经影像学指标）与全因死亡率的关联，并逐步调整人口学、生活方式和疾病状态等协变量。4）对所有9703个血浆蛋白靶点进行大规模的生存分析，鉴定与死亡率显著相关的蛋白。5）运用基因集富集分析（GSEA）对死亡率相关蛋白进行Gene Ontology（GO）和Reactome通路富集分析。6）采用弹性网络惩罚Cox回归，从所有蛋白中筛选出一组最简洁的预测因子。

主要研究结果

3.1 在LBC1936中表征蛋白质组器官衰老特征

研究人员成功预测了LBC1936参与者11个主要器官的蛋白质组年龄。结果显示，器官年龄差距在个体内部和个体之间均存在显著变异，且不同器官的年龄差距之间仅呈弱相关性（平均成对Pearson r = 0.32），表明器官以相对独立的速度衰老。大多数参与者（70.9%）未表现出极端器官衰老（年龄差距超过±2个标准差），而表现出极端衰老的个体通常仅累及单个器官。

3.2 表观遗传、神经影像和功能性衰老生物标志物在与全因死亡率的关联中优于蛋白质组器官时钟

在对年龄和性别进行调整后，除白细胞端粒长度外，所有衰老生物标志物均与死亡率显著相关。在蛋白质组器官时钟中，肝脏（HR=1.43）、免疫系统（HR=1.42）和心脏（HR=1.38）的加速衰老与死亡风险增加的关联最强。然而，多项其他生物标志物显示出更大的效应量：GrimAge2加速（HR=1.62）、较小的全脑体积（TBV，倒数HR=1.52）、较差的呼吸功能（FEV，倒数HR=1.51）和较低的认知功能（g因子，倒数HR=1.46）均与更高的死亡风险相关，其效应量超过了所有蛋白质组器官时钟。进一步调整生活方式和疾病因素后，这些关联略有减弱但大多保持显著。

3.3 神经影像、认知和身体功能衰老生物标志物与全因死亡率独立相关

多变量Cox模型显示，当所有21个非高度共线的衰老生物标志物被同时纳入模型时，仅有四个指标保留了显著的独立关联：较小的全脑体积（TBV）、较大的白质高信号体积（WMHV）、较低的认知功能（g）和较慢的步行时间。这四个指标共同解释了19%的死亡率风险方差，而将所有21个指标纳入仅能将解释率提升至23%，表明其余指标提供的信息在很大程度上与这四个核心指标重叠。

3.4 全因死亡率的血浆蛋白质组特征及相关生物学功能

对9703个血浆蛋白靶点的生存分析鉴定出368个与死亡率显著相关的独特蛋白（其中286个与高风险相关，82个与低风险相关）。与死亡率正关联最强的蛋白是GDF15（HR=1.56）、WFDC2（HR=1.47）和TIMP1（HR=1.45）；负关联最强的蛋白是NPS（倒数HR=1.42）、BAGE3（倒数HR=1.41）和ABCC6（倒数HR=1.41）。GSEA富集分析揭示了鲜明的功能二分法：与高死亡风险相关的蛋白主要富集于免疫相关过程，特别是抗菌体液免疫反应和趋化因子信号通路；而与低死亡风险相关的蛋白则富集于基因组稳定性维持过程，如核小体组装、G2/M期细胞周期转换调控和DNA损伤结合。弹性网络惩罚Cox回归最终筛选出37个蛋白作为最简洁的预测因子，其中GDF15的正向系数最大。

讨论与结论

本研究通过在同一个大型老年队列中进行系统性基准测试，明确了不同模态衰老生物标志物在预测全因死亡率方面的相对效能。尽管蛋白质组器官时钟确实与死亡风险相关，但其预测能力并未超越GrimAge2、脑容量、呼吸功能和认知功能等更为成熟或综合的生物标志物。GrimAge2作为直接针对死亡率训练的综合表观遗传标记，表现最为突出。脑萎缩与死亡的强关联凸显了大脑健康在老年生存中的核心地位。值得注意的是，当所有指标相互竞争时，只有脑萎缩、脑血管损伤、认知衰退和步速减慢这四个分别代表神经结构、血管病理、认知功能和身体功能的指标能提供独立的预后信息，这强调了整合多维度互补指标进行风险评估的重要性。

大规模蛋白质组分析不仅验证了GDF15等已知的强效死亡风险因子，还揭示了免疫衰老（促炎、免疫功能紊乱）与死亡风险升高，以及基因组维护能力与死亡风险降低之间的深刻联系。这些发现为理解衰老的分子机制提供了宝贵线索，并为开发新的干预靶点和风险分层工具奠定了基础。研究结论指出，加速器官衰老与死亡风险增加相关，但其他生物标志物（尤其是GrimAge2、神经影像和呼吸功能指标）显示出更强的关联。在控制生物标志物间的共享方差后，仅脑萎缩加重、脑血管损伤增加、认知功能变差和步行速度减慢与死亡率保持独立关联，这凸显了整合互补性跨模态指标进行死亡风险评估的重要性。GrimAge2显示出与死亡率的最强关联，表明能够捕获多种生物学衰老信号和环境暴露、并直接针对死亡率进行训练的综合生物标志物能提供最佳性能。此外，大规模血浆蛋白质组分析确定了与死亡风险相关的既有和新颖的蛋白质候选物及生物学通路，揭示了高风险蛋白中免疫相关过程的富集和低风险蛋白中基因组维护通路的富集。这些发现为死亡风险评估、机制验证和治疗开发优先考虑了生物学上合理的靶点。