衰老是一個不可逆轉的過程，其特征是機體功能衰退和對疾病的易感性增加。盡管生理測量、功能測試和復雜的組學方法已被用于預測實際年齡，但理解復雜的衰老生物學仍然具有挑戰性。

除了確定可靠的衰老生物標志物外，深入了解它們與衰老相關病理的關系，將有助于推進旨在延長健康壽命的臨床干預措施。

2025年1月13日，來自西湖大學的研究團隊在Nature Metabolism雜志發表題為“Longitudinal serum proteome mapping reveals biomarkers for healthy ageing and related cardiometabolic diseases"的文章。

該研究數據來自 3,796 名中老年人隊列的 7,565 個血清樣本的縱向蛋白質組，通過分析確定了 86 種與衰老相關的蛋白質，這些蛋白質表現出與 32 種臨床特征和 14 種主要與衰老相關的慢性疾病發病率相關的特征。

此外，利用機器學習模型，研究人員挑選了其中的 22 種蛋白質生成蛋白質組健康衰老評分 (PHAS)，該評分能夠預測心臟代謝疾病的發病率。

本研究使用了廣州營養與健康研究 (GNHS) 的數據，納入了 3,796 名參與者，在 9 年的隨訪期內的三個時間點采集了 7,565 份血清樣本。此外，還納入了一個由 124 名參與者組成的外部驗證隊列，在 4 年的隨訪期間的兩次隊列訪問中采集了 200 個血清樣本。各隊列參與者的基線特征相似。

為了追蹤衰老過程中的蛋白組學軌跡，研究人員在由 1,939 名參與者組成的 GNHS 發現隊列中，隨訪期間收集了 4,637 個血清樣本，發現了 148 種與年齡顯著相關的血清蛋白。其中，77 種呈負相關，71 種呈正相關。

隨后，在 GNHS 驗證隊列（由 1,857 名參與者組成，在隨訪期間收集了 2,928 份血清樣本）中，發現148 種蛋白質中的 86 種也與年齡顯著相關，并且這些關聯的系數在?GNHS 發現隊列和驗證隊列之間高度相關。重要的是，在外部隊列數據也得到了驗證。

緊接著，研究人員探究了 86 種衰老相關蛋白質的基線水平與 14 種慢性病發病率之間的潛在關聯。結果發現，67 種衰老相關蛋白質共有 131 個名義上顯著的關聯，其中十多種蛋白質與血脂異常、高血壓、2 型糖尿病 (T2D)、脂肪肝和肝炎相關。

此外，在觀察到的 131 個蛋白質-疾病關聯中，35 個在經過多重檢驗校正后仍然具有顯著性。其中，α-1-抗胰蛋白酶 (A1AT)、富含亮氨酸的 α-2-糖蛋白 (A2GL)、A2MG、脂聯素 (ADIPO)、鋅指蛋白 Gfi-1 (GFI1)、ITIH3、RAIN 和玻璃粘連蛋白 (VTNC) 在內的八種蛋白質與兩種或兩種以上與衰老相關的代謝疾病有關。

最后，研究人員開發了一個更簡潔的隨機森林模型，該模型由最重要的 22 種衰老相關蛋白質組成。與包含 86 種衰老相關蛋白質的模型相比，該簡潔模型實現了相同的準確度。通過該模型發現，較高的 PHAS 值與改善的人體測量參數、脂質和葡萄糖代謝生物標志物以及改善的肝臟和腎臟生物標志物縱向相關。

總而言之，這項縱向研究擴展了我們對衰老背景下血清蛋白質組學概況及其對人類健康影響的認識。該研究確定了與衰老相關的血清蛋白質組生物標志物，并從蛋白質組學的角度為人類衰老的潛在機制提供了寶貴的見解。重要的是，這些發現的蛋白質組生物標志物有可能成為監測和預測衰老相關心臟代謝疾病的寶貴工具。

參考文獻：

https://www.nature.com/articles/s42255-024-01185-7