第二篇是来自牛津大学联合哈佛医学院和北京大学等多家研究团队，利用英国生物样本库（UK Biobank, UKB）血液蛋白组学数据为开发队列，建立了一个蛋白组学年龄时钟模型，并在UKB队列、中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中进一步得到了验证，研究发现204种蛋白标志物能够准确预测实际年龄，并与18种主要慢性病发病率、多重疾病和全因死亡风险有关。
研究背景
衰老会引起生理完整性和功能的逐渐丧失，最终导致主要疾病和死亡的发生。时间年龄（Chronologic Age）是衡量“生物”衰老的一种常用但有缺陷的替代方法。而使用“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，可更准确地评估生理年龄（Biological Age）和身体健康。
图源：babraham.ac.uk
在UKB测试集、CKB和FinnGen的独立验证集中，ProtAge模型显示出优秀的预测性能和泛化能力（R²值分别为0.88、0.82和0.87）。研究还发现，包含20个蛋白的模型（ProtAge20）可以实现与完整模型相似的年龄预测性能。
● 蛋白组年龄预测衰弱和衰老表型
ProtAgeGap与年龄相关的生理、身体及认知功能的相关性
●蛋白组学年龄可预测常见疾病风险
不同年龄特异性死亡率和疾病风险
研究比较了ProtAge与现有的DNA甲基化时钟和蛋白组学衰老时钟：发现与DNA甲基化时钟相比，选定的蛋白和基因重叠很少，表明两种模型可能侧重于不同的基因集；此外，与现有的蛋白组学年龄时钟相比，有64%的ProtAge APs未在先前的研究中被识别，表明该研究提供了一组相对新颖的预测蛋白组。这些发现强调了不同的生物标志物可能揭示了衰老过程的不同方面，并为理解衰老的复杂性提供了新的视角。
预测女性和男性年龄最重要的Top20蛋白
文中基于三个国家大规模人群队列项目（UKB 、 CKB 和 FinnGen）联合，利用Olink血浆蛋白组学是作为测量生物年龄的强大工具，探索研究自然人群中大多数常见与年龄相关疾病生物学的衰老特征。研究表明，开发蛋白组学衰老时钟可作为识别疾病多重性的生物学机制的可靠工具，并可用于开发潜在药物治疗手段或生活方式干预，以减少过早死亡和减少或延迟与年龄相关疾病。
1. M. Austin Argentieri, et.al. Proteomic aging clock predicts mortality and risk of common age-related diseases in diverse populations. Nature Medicine (2024) https://doi.org/10.1038/s41591-024-03164-7
Olink Proteomics
Part of Thermo Fisher Scientific
Olink Proteomics创立于瑞典乌普萨拉，致力于突破蛋白检测在“多重能力/特异性”、“灵敏度”和“检测通量”等方面的综合瓶颈，进而实现超灵敏多重蛋白标志物检测、无偏靶向蛋白质组学和精准蛋白组学，以帮助蛋白标志物的发现、药物研发、转化医学、以及让“多组学整合”真正切实可行。
具体来说，我们基于专利PEA技术，秉承严谨和透明的科学精神，开发并充分验证了一系列开创性的Olink Panel。
这些Panel可赋能科学家，通过在1-6µl体液中精确检测15-5400+种生物标志物，更加充分地理解实时生物学。从而，借助多组学发现pQTL等创新药物靶点；筛选更好的疾病预测和预后标志物；理解药物作用的MoA, Safety, PK, PD, Dose；拓展已上市药物的适应症；开发伴随诊断；加速药物研发进程，降低药物研发成本；同时促进从临床科研到临床应用的转化；提高肿瘤等疾病早筛方法的灵敏度和特异性，并最终达致精准医学。
Olink现已覆盖100%主要信号通路，实现生物学意义上的超灵敏无偏靶向蛋白组学（兼容各种样本类型，对传统方法无法胜任的血浆血清等体液样本尤其适用）。
官网：https://www.olink.com
电话：+86 21 5077 8771
邮箱：China@olink.com
地址：上海市浦东新区沪南路2157弄2号1011室
