衰老（ageing）是伴随分子、细胞和器官功能逐渐衰退的复杂过程。血清蛋白作为来自不同组织和细胞的分子信号库，可以成为研究衰老及其相关疾病的重要工具。尽管已有多项横断面研究探索了血清蛋白与衰老的关系，纵向研究的缺乏限制了生物标志物在健康衰老预测和干预中的应用潜力。
2025年1月13日，西湖大学医学院/生命科学学院郑钜圣团队、郭天南团队，联合中山大学公共卫生学院陈裕明团队，在 Nature Metabolism 发表了蛋白质组学最新研究。研究团队在9年队列随访过程中收集了3796名参与者的7565份血清样本，系统性绘制了血清蛋白质在衰老过程中的变化轨迹，鉴定了衰老相关的血清蛋白质，揭示了衰老相关的生物学机制和潜在干预靶点。
图1 文章截图
「提纲挈领」
研究基于广州营养与健康研究（GNHS）队列， 通过质谱技术测定了3796名中老年参与者的7565份血清蛋白质组，利用纵向蛋白质组数据鉴定出86种与衰老显著相关的蛋白质，这些蛋白涉及脂质代谢、免疫调节和细胞信号传递等关键生物网络，与中老年人群长期代谢健康及慢性疾病的发病风险显著相关。
研究利用随机森林模型筛选出22种关键蛋白，开发了蛋白组健康衰老评分（PHAS），该得分能预测2型糖尿病和脂肪肝等代谢性疾病的长期发病风险。
此外，研究发现PHAS的决定性因素主要包括内在因素（解释方差7.0%）、肠道微生物（6.3%）和遗传因素（4.1%），提示肠道微生物是健康衰老的潜在可调控因素。研究系统揭示了血清蛋白质在衰老及相关疾病中的生物学作用，为个性化健康管理和干预提供了重要依据。
结果1：
纵向队列的血清蛋白质组分析
研究使用了来自广州营养与健康研究（GNHS）队列的数据，对3796名中老年参与者的7565份血清样本进行了纵向蛋白质组学分析，随访时间长达9年。研究将GNHS队列参与者分为发现队列（1939人，4637份样本）和验证队列（1857人，2928份样本），并纳入了一个外部验证队列（124人，200份样本，随访4年）。其中，发现队列和验证队列人群的年龄中位数约为57岁，外部验证队列人群的年龄中位数为70岁。
基于质谱（MS）技术和DIA-NN软件，研究分别在发现、验证和外部验证队列中鉴定出了438、413和432种血清蛋白。通过对这些样本的深入分析，为研究衰老过程中血清蛋白的纵向变化奠定了基础。
图2 研究流程
结果2：
血清蛋白质组的纵向变化轨迹
为了揭示蛋白质水平在衰老过程中的变化轨迹，研究从发现队列的1939名参与者中筛选出1108名在三个随访时间点均提供了血清样本的参与者，并对其纵向血清蛋白质组数据进行了轨迹聚类分析。
研究发现了四种主要的血清蛋白质变化轨迹：第一种轨迹聚类包含32种蛋白质，其水平在随访期间显著增加；第二种轨迹聚类包含124种蛋白质，水平轻微增加；第三种轨迹聚类包含179种蛋白，水平相对稳定；第四种轨迹聚类包含103种蛋白，水平呈下降趋势。
进一步的统计分析显示，上述四种轨迹中分别有7、37、34和62种蛋白质的变化趋势具有显著性。亚组分析表明，轨迹聚类1和2的蛋白变化趋势在不同性别和基线年龄分组中保持一致，而c轨迹聚类3和4在男性和基线年龄大于60岁的参与者中存在一些差异。
功能富集分析显示，这些蛋白的变化轨迹与生物学过程密切相关。例如，轨迹聚类1中的蛋白质富集于与肌肉蛋白合成和分解相关的通路，可能与衰老相关的骨骼肌质量和功能下降有关；而轨迹聚类4中蛋白质的变化与血液微粒有关。这些结果揭示了衰老过程中血清蛋白质水平的动态变化及其生物学意义。
图3 随访期间血清蛋白质组的纵向变化轨迹
结果3：
基于纵向数据识别与衰老相关的蛋白质
研究利用混合线性模型探究血清蛋白质水平与年龄纵向关系，在发现队列中识别出148种与年龄显著相关的蛋白质（FDR < 0.05），其中77种呈负相关关系，71种呈正相关关系。
随后，在验证队列中有86种蛋白在相同方向上与年龄显著相关，且这些蛋白质与年龄的纵向关系在发现和验证队列中呈现出高度一致性（Pearson’s r = 0.96）。
在外部验证队列中，尽管样本量较小且随访时间较短，86种蛋白中仍有68种显示了名义上的显著相关性，且其中15种蛋白质经过多重检验校正后仍具有显著性。
研究人员利用上述86个年龄相关的蛋白质拟合了一个 GLMMLasso 模型，用以预测参与者的日历年龄。该模型在发现队列、验证队列以及外部验证队列中均表现出了较高的准确性（Pearson’s r = 0.67~0.74）。
此外，研究人员发现包括妊娠带蛋白（PZP）在内的108种蛋白质存在显著的性别差异。值得注意的是，有41种蛋白质同时与年龄和性别显著相关，亚组分析进一步发现其中7种蛋白质与年龄和性别的关系存在显著的交互作用，即在男性和女性中表现出不同的年龄相关性。这些发现表明，部分蛋白的衰老变化可能具有性别异质性，为进一步探讨性别对衰老生物学的影响提供了依据。
图4 基于纵向数据识别与衰老相关的蛋白质
结果4：
衰老相关蛋白的生物学意义
研究通过IPA（Ingenuity Pathway Analysis）分析识别了四个由衰老相关蛋白组成的功能网络，这些功能网络分别以APOB、C3、NF-κB和免疫球蛋白为中心，涉及脂质代谢、器官损伤、神经疾病以及细胞间信号传递等功能通路。这些网络解释了衰老相关蛋白质的生物学意义。
例如，网络1表明18种衰老相关蛋白参与了脂质代谢，这是调控衰老过程的重要途径；网络3的核心蛋白NF-κB则与衰老相关的神经系统疾病相关。
进一步的功能富集分析显示，四个网络中的蛋白质分别有536、337、274和193个显著的通路相关，表明了这些衰老相关的蛋白质网络涉及到的生物学通路可能更加复杂。
接着，研究人员利用线性混合模型（Linear Mixed Model）揭示了衰老相关蛋白与队列人群32种临床特征（包括人体测量学、代谢、炎症、认知以及肝肾功能参数）之间的纵向关系，发现了320个显著的蛋白质-特征关联（FDR < 0.05），其中大部分与人体测量学和心血管代谢相关特征显著相关。
例如，网络1中的12种蛋白至少与一种血清脂质生物标志物显著相关，而网络2的部分蛋白质与肝肾功能指标显著相关。这些结果与蛋白质功能网络分析具有一致性，进一步确认了衰老相关蛋白在健康状态中的生物学意义。
结果5：
衰老相关蛋白质与疾病的关联
研究人员利用Cox比例风险模型分析了86种衰老相关蛋白的基线水平与14种慢性疾病发病率的关系。基于3414名参与者的9年随访数据，分析发现67种蛋白与131个疾病事件显著相关（P < 0.05），涉及高脂血症、高血压、2型糖尿病、脂肪肝和肝炎等疾病。
层次聚类分析将蛋白质与疾病发病风险的关系分为8个层级组，这些组代表了衰老相关慢性疾病长期发病风险的蛋白质特征。例如，第1组中的蛋白质与肾脏疾病的发病风险呈正相关，而第3组中的蛋白质则与肝炎的发病风险呈正相关…… 这些结果表明，研究人员所发现的衰老相关蛋白质可能参与衰老相关慢性疾病的发生与进展。
此外，分析结果表明，在观察到的131种蛋白-疾病关联中，有35种在在多重检验校正后仍显著（FDR < 0.05）。例如，A1AT（α1抗胰蛋白酶）和A2GL（富含亮氨酸的α2糖蛋白）水平的每单位标准差增加分别与2型糖尿病和脂肪肝的风险降低30%和17%相关。
研究利用 DrugBank 数据库发现其中16种疾病相关的蛋白质可作为药物靶点，有趣的是，其中10种蛋白质是锌及其化合物的药物作用靶点，提示补锌可能对健康衰老有益。
结果6：
衰老相关蛋白可作为心血管代谢健康指标
研究人员通过随机森林算法筛选出了22种最关键的衰老相关蛋白，开发了蛋白质健康衰老评分（PHAS，Proteomic Healthy Ageing Score），用于区分健康与不健康个体。
PHAS在训练集和验证集中表现出较高的预测准确性（AUC分别为0.70和0.72），优于单独使用年龄、性别和BMI的模型（AUC = 0.63），该模型在外部验证队列中也表现出了较高的准确性（AUC=0.69）。
进一步研究发现，PHAS与多种发现队列和验证队列人群的健康指标（如腰围、血尿酸、脂质和葡萄糖代谢指标）存在显著的纵向相关关系。
Cox比例风险模型结果表明，基线PHAS每增加1个标准差，随访期间慢性疾病发病风险降低72%，其中2型糖尿病、血脂异常、脂肪肝和高血压的风险分别降低53%、32%、53%和40%。这表明PHAS可作为预测心血管代谢疾病发病风险的重要指标，具有潜在的临床应用价值。
图5 衰老相关蛋白可作为心血管代谢健康指标
结果7：
PHAS及22种衰老相关蛋白的决定因素
为探讨PHAS及其构成蛋白的潜在决定因素，研究人员对1325名参与者的多组学数据进行了分析。
结果显示，宿主遗传因素解释了构成健康衰老得分的22种蛋白质总体方差的7.9%，其次是内在因素（年龄、性别和BMI）（4.0%）和肠道微生物（3.8%）。相比之下，生活方式（0.6%）和饮食（0.4%）的贡献较小。对于PHAS，内在因素、肠道微生物和宿主遗传分别解释了7.0%、6.3%和4.1%的总体方差。
由于肠道菌群在较大程度上解释了PHAS的总体方差，研究者开展了进一步的探索性分析，发现PHAS与肠道微生物中15个菌种显著相关，并且由这些菌种构建的肠道微生物评分与PHAS显著正相关。这种关联在外部验证队列中同样稳定，表明肠道微生物可能是影响PHAS的重要可调控因素，为健康衰老的干预提供了潜在靶点。
-
本研究通过纵向血清蛋白质组分析，鉴定了衰老相关的血清蛋白质，阐明了它们在健康衰老中的作用，并开发了能够预测心血管代谢性疾病发疯风险的健康衰老评分（PHAS）。该研究不仅从血清蛋白质组视角提供了衰老的生物学见解，也为防治衰老相关疾病以及促进健康衰老提供了潜在干预靶点。
