第二篇研究由牛津大学与哈佛医学院、北京大学等多家研究团队合作完成，借助英国生物样本库（UKBiobank, UKB）的血液蛋白组学数据，建立了一个蛋白组学年龄时钟模型。该模型在UKB队列、中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中得到了进一步验证。研究结果显示，204种蛋白标志物能够准确预测个体的实际年龄，并与18种主要慢性疾病的发生率、多重疾病以及全因死亡风险相关联。

研究背景

衰老会导致生理完整性和功能的逐步丧失，最终引发多种主要疾病和死亡。尽管“时间年龄”（Chronologic Age）是评估“生物”衰老的常用指标，但其存在一定缺陷。相比之下，利用“组学”数据来捕捉个体的生物功能水平，并将其与时间年龄的预期功能水平进行比较，能够更准确地评估生理年龄（Biological Age）及身体健康。

模型性能与验证

在UKB测试集、CKB和FinnGen的独立验证中，ProtAge模型展示了卓越的预测性能与泛化能力（R²值分别为0.88、0.82和0.87）。此外，研究发现由20种蛋白组成的模型（ProtAge20）在年龄预测性能方面与完整模型相似。

蛋白组年龄的预测能力

研究还探讨了ProtAge作为预测衰弱和衰老表型的有效工具，其与年龄相关的生理、身体及认知功能表现出显著相关性。蛋白组学的年龄预测能力在不同年龄段的特异性死亡率和疾病风险中也得到了验证。

与现有模型的比较

研究比较了ProtAge与现有的DNA甲基化时钟及其他蛋白组学衰老时钟，发现所选定的蛋白与DNA甲基化时钟的重叠很少，说明这两种模型可能侧重于不同的基因集合。此外，ProtAge的64%的关键蛋白（APs）在先前的研究中未被识别，突显了本研究提供了一组三新颖的预测蛋白。这些发现强调了不同生物标志物揭示衰老过程的不同方面，为深入理解衰老复杂性提供了崭新的视角。

男性与女性年龄重要蛋白的研究

本文结合UKB、CKB和FinnGen等三个国家的大规模人群队列，利用Olink血浆蛋白组学研究作为测量生物年龄的强大工具，探索自然人群中大多数与年龄相关疾病的衰老特征。研究表明，开发蛋白组学衰老时钟可作为识别疾病多重性交叉的生物学机制的可靠工具，进而有助于开发潜在的药物治疗手段或生活方式干预，旨在减少过早死亡及延缓与年龄相关疾病的发生。