循环小非编码RNA：老年生存的关键决定因素与长寿干预新靶点

《Aging Cell》：Select Small Non-Coding RNAs Are Determinants of Survival in Older Adults

本研究通过整合预测与因果模型分析，揭示了血浆中小非编码RNA（smRNA，包括piRNA和miRNA）是社区老年人（≥71岁）生存率的有力预测因子和潜在直接原因。研究发现，仅用6个piRNA即可高精度预测2年生存（外部验证AUC 0.83），结合临床变量（IADL-motor和总HDL-P）的简化模型AUC可达0.85。这些发现为开发基于血液的、无创的长寿生物标志物和干预靶点提供了新方向。

　　

引言：小非编码RNA在衰老与长寿中的作用

小非编码RNA（smRNAs），包括PIWI相互作用RNA（piRNAs）和微小RNA（miRNAs），是调控衰老相关生物学过程（如FOXO/DAF-16通路、胰岛素/IGF信号、应激反应机制）的重要调节因子。循环miRNAs显示出作为寿命调节生物标志物的潜力，而piRNAs在人类长寿中的作用尚不清楚。本研究旨在验证与老年人（≥71岁）生存相关的表观遗传（smRNA）因子，开发并验证用于临床应用的生存预测模型，并确定可延长寿命的潜在药物靶点。

研究队列与设计

研究基于杜克老年流行病学队列研究（D-EPESE）中1271名社区老年人的基线血浆样本，对所有参与者进行了828种smRNAs（687种miRNAs和141种piRNAs）的评估。研究采用严谨的多阶段分析设计（如图1所示），以最大限度地减少偏差并评估普遍性。分析数据集分为扩展发现集（N=707，用于建模）和独立外部验证集（N=564，用于最终测试），后者在单独的测序批次中处理，以检验模型的稳健性。所有分析整合了smRNAs、年龄及186项临床变量（包括人口统计学、生活方式、情绪、身体功能、标准临床实验室检测、NMR衍生脂质和代谢物以及医疗状况）。

生物标志物发现与验证

预测模型表现

研究发现，smRNAs对短期生存预测价值最强。对于2年生存预测，仅使用smRNA（平台特异性输出，smRNA_PSO）的模型在扩展发现集中的嵌套交叉验证AUC为0.90±0.01，在独立外部验证集中的AUC为0.82（0.78-0.87），显著优于仅使用年龄或临床变量的模型。结合smRNA_PSO、年龄和所有临床变量的全模型在扩展发现集中的交叉验证AUC达到0.92±0.01，在外部验证集中的AUC为0.87（0.83-0.90）。然而，随着预测时间跨度的延长（5年和10年），所有模型的预测性能均有所下降。

面向临床部署的简化预测模型

为提高临床实用性，研究基于马尔可夫边界（MB）分析开发了简化的预测模型。仅使用6个piRNAs（piR-DQ573780, DQ587552, DQ587821, DQ593963, DQ597786, DQ575235）的模型，几乎保留了全部828个smRNA模型的预测能力（外部验证AUC 0.83 vs. 0.82）。一个更精简的模型，仅包含5个piRNAs（同上，去除DQ587552）和2个临床变量——与身体功能相关的工具性日常生活活动（IADL-motor）和高密度脂蛋白颗粒总数（Total HDL-P），其性能与包含所有变量的全模型相当（外部验证AUC 0.85 vs. 0.87）。这证明了开发高效、精简临床检测工具的可行性。

马尔可夫边界分析与潜在直接原因发现

2年生存的潜在直接原因

通过MB分析（结合所有1015个变量），研究确定了2年生存的潜在直接原因。这些MB成员包括9个piRNAs（无miRNAs）、小HDL颗粒数、总HDL颗粒浓度和IADL-motor功能。其中，4个piRNAs（piR-DQ573780, DQ587821, DQ593963, DQ597786）、IADL-motor和HDL颗粒浓度（总或小）出现在100%的MB中（如图2所示），在因果充分性假设下，这些变量被认为是2年生存的直接原因。值得注意的是，所有9个piRNAs在更长寿的个体中表达水平均降低。

最强的预测因子是piR-DQ593963和IADL-motor。模型估算的“干预”效应显示，若将已识别的smRNA变量调整至有利水平，可使2年生存概率显著提升。当所有潜在直接原因被联合调整时，模型估算的死亡概率在扩展发现集和外部验证集中分别降低了133倍和68倍。

5年与10年生存的潜在直接原因

对于5年生存，MBs中包含7个smRNAs（2个miRNAs和5个piRNAs）。更好的身体功能、更高的miR-153-3p和血清CO₂水平与更长的5年生存期相关。对于10年生存，MBs中同时包含了piRNAs和miRNAs，但未与2年或5年的预测因子重叠，且预测性能较低。

Sepset分析

Sepset分析解释了某些变量为何未被选入MB。例如，HDL颗粒总数是年龄的sepset，表明HDL水平包含了所有与年龄相关的2年生存信息。piR-DQ593963是性别的sepset，而IADL-motor则是其他功能测量指标的sepset。

smRNA靶点与通路预测

与2年生存相关的10个piRNAs预测靶向65个mRNA转录本，包括长散布核元件-1（LINE-1）反转录转座子。5年生存预测相关的miRNAs靶向大量mRNAs，这些共享靶点在STRING网络分析中高度互作，并富集于79条Reactome通路，其中细胞衰老和氧化应激诱导的衰老位列前10（如图3所示）。此外，还富集到凋亡、应激反应和免疫系统相关通路。

讨论

本研究首次在大型人类队列中广泛评估了循环piRNAs与长寿的关系。研究发现，较低的循环piRNA水平与较高的短期生存率相关，这提示piRNAs可能通过转座子抑制以外的机制影响寿命，例如调节应激反应基因。在线虫中，全局性降低piRNA水平可使寿命翻倍；在果蝇中，组织特异性敲除piwi基因能延长寿命并激活应激反应基因，这些发现与本研究结果一致。

研究开发了高精度的简化预测模型，为将smRNAs转化为临床可用的长寿生物标志物奠定了基础。尽管smRNAs对长期（10年）生存的预测能力有限，但它们为了解衰老的分子通路（如细胞应激、衰老、凋亡和免疫调节）提供了见解。

本研究的优势在于采用了整合预测与因果分析的方法、多层级验证设计以及独立的、分批次处理的外部验证队列，确保了模型的稳健性和普遍性。研究还表明，使用平台特异性输出（smRNA_PSO）无需复杂标准化，有利于临床转化。局限性在于piRNA靶基因预测工具的准确性有待提高，以及piRNA亚型（isopiRs）的功能等价性尚不明确。

总之，循环smRNAs，尤其是piRNAs，是老年人生存的强大预测因子和潜在的长寿生物标志物。它们可能通过新的机制影响寿命，为促进健康衰老的治疗策略提供了新的机遇。