Nat Med〡蛋白质组学年龄时钟预测不同人群中常见年龄相关疾病

研究人员将UKB队列随机分为70%的训练集和30%的测试集，用于开发蛋白质组学年龄时钟。在训练阶段（n=31808），研究比较了六种机器学习方法（LASSO、弹性网络、梯度提升和三种神经网络）来训练蛋白质组学年龄时钟模型，以使用Olink Explore 3072面板的2897种蛋白质的标准化表达来预测实际年龄。研究发现，梯度提升（LightGBM18）在UKB测试集（n=13633）中的年龄预测精度位居第二，但在CKB和FinnGen的独立样本中具有最高的精度。基于其优异的通用性，研究人员选择了LightGBM作为最终模型，并使用Boruta特征选择算法和SHAP（Shapley Additive Explanations）值来识别与预测实际年龄相关的所有蛋白质子集（方法部分）。研究最终识别了数据集中204种蛋白质。研究的梯度提升ProtAge模型在UKB测试集中解释了实际年龄的高度变异性（R²=0.88，Pearson r=0.94），并在CKB（R²=0.82，Pearson r=0.92）和FinnGen（R²=0.87，Pearson r=0.94）的独立验证集中表现出类似的结果（图2d–f）。

为了评估每种蛋白质与年龄之间的关联是否在时间上保持稳定，研究人员使用了可用的149种蛋白质的重复蛋白质表达测量数据，这些数据来自1085名UKB参与者，这些参与者在三个时间点（基线（2006至2011年），影像学研究访问（2014年以后）和重复影像学访问（2019年以后））进行了蛋白质组学数据测量。使用线性回归评估这149种蛋白质在每次研究访问中与年龄的关联。这些蛋白质在三个时间点上的关联的贝塔系数高度相关（Pearson r=0.90–0.97），表明这些蛋白质与年龄之间的关联在跨越至少9至13年的重复访问中具有良好的稳定性。使用最终模型中的204种蛋白质，研究人员计算了所有三个队列中参与者的ProtAgeGap，即ProtAge与实际年龄之间的差异。在UKB中，ProtAgeGap位于前5%和后5%的平均差异分别为6.3年和-6年，表明他们之间的生物老化年差约为12.3年。ProtAgeGap在所有三个队列中的女性和男性，自我报告的UKB种族以及CKB的地理区域中均显示出相似的分布（图2g–i）。作为最后一步特征选择，使用递归特征消除和SHAP值（方法部分）来识别由20种蛋白质（ProtAge20）组成的模型，该模型实现了204种蛋白质模型95%的年龄预测性能（Pearson r=0.89，R²=0.78）。

图2 跨队列的蛋白质组学年龄时钟性能

ProtAgeGap20与除舒张压外的所有老化功能表型均相关。与204种蛋白质模型相比，ProtAgeGap20在生物衰老测量（如端粒和白蛋白）方面显示出更强的效应估计值（图3a），但在虚弱和生理/认知功能测量方面的效应估计值略小（图3b）。在没有终身疾病诊断的UKB参与者子集中，ProtAgeGap20与所有生物衰老标志物显著相关（图3c），并与除每天睡眠10小时以上、舒张压和BMI以外的所有生理指标相关（图3d）。

在CKB中，研究人员也根据ProtAgeGap的十分位数计算了疾病的累积发病率（>10例新发病例）（图4b）。其中在缺血性心脏病（IHD）、所有原因的死亡率、所有中风和缺血性中风方面观察到了明显的差异。此外还观察到了2型糖尿病、慢性阻塞性肺疾病（COPD）、慢性肝病和慢性肾病（CKD）方面的差异；然而，由于新发病例数较少，置信区间要宽得多。

进一步使用多变量Cox比例风险模型来研究在调整了实际年龄、性别、吸烟、身体活动、社会人口学因素和临床风险因素后，ProtAgeGap与死亡率及14种常见非癌症疾病之间的关联是否仍然存在。在UKB中的所有模型中，ProtAgeGap与死亡率和所有非癌症新发疾病结果（除帕金森病外）显著相关（图5）。在包括BMI和现有高血压协变量的完全调整模型（模型3）中，ProtAgeGap每增加1年，AD的风险最大（风险比（HR）1.16；95%置信区间（CI）1.12–1.20），其次是全因痴呆症（HR 1.12；95%CI 1.10–1.15）和CKD（HR 1.10；95%CI 1.08–1.11）。ProtAgeGap20与所研究的所有疾病，包括帕金森病等均相关。根据这些HR（每增加1年ProtAgeGap的报告），研究估计ProtAgeGap最高5%的人的AD风险平均是ProtAge与实际年龄无差异者的2.6倍，是ProtAgeGap最低5%者的5.8倍。对于CKD，风险增加分别为1.8倍（最高5%对比0）和3.1倍（最高5%对比最低5%），对于死亡率，风险增加分别为1.9倍（最高5%对比0）和3.6倍（最高5%对比最低5%）。

图4 ProtAgeGap将UKB和CKB中个体按不同的年龄特异性死亡率和疾病风险轨迹分层

研究人员将多重病症定义为在UKB中研究的26种疾病中任何一种疾病的终身诊断次数，并将参与者根据0、1、2、3或4次及以上的终生诊断进行分类。结果发现，随着终生疾病数量的增加，ProtAgeGap的平均年数也随之增加。此外，这种效应在招募时较年轻的参与者（40-50岁）中更为显著，其中疾病的出现较少见。平均而言，与在招募时40-50岁且没有诊断记录的参与者相比，在招募时40-50岁且有4次及以上终身诊断的参与者中，ProtAgeGap多出了1.5年，而在招募时51-65岁的参与者中，观察到ProtAgeGap多出了0.8年。根据健康记录得出的ProtAgeGap与多病共存状况之间的关系也反映在自我报告的健康信息中。平均而言，与自我报告健康状况较差的参与者相比，自我报告健康状况极好（可能无疾病）的参与者ProtAgeGap少了0.9年。

即使对204个年龄预测蛋白（APs）的功能富集分析显示，这些APs在一个基因本体（GO）生物过程中富集：解剖结构发育和发育过程。使用GO分子功能、京都基因与基因组百科全书（KEGG）或Reactome时未发现富集现象；然而，使用来自STRING数据库的共表达信息，这204个APs在蛋白质-蛋白质相互作用（PPI）网络中形成了一个由66个具有至少两个节点连接的蛋白质组成的高度互联的子网络。与其他蛋白质连接数最多的个别蛋白包括EGFR（与癌症药物抗性、大脑结构和血小板计数有关）、CXCL12（一种免疫相关趋化因子，涉及免疫监视、炎症反应、组织稳态和肿瘤生长与转移）、ITGAV（一个整合素蛋白，涉及身高、左右利手、阅读障碍和白蛋白/肌酐代谢）、CXCL9（与T细胞功能和炎症有关）和CD8A（一个与先天免疫系统相关的CD8抗原）。

接着使用SHAP交互值从训练的ProtAge模型中计算了一个第二个PPI网络，该网络表示蛋白质在模型中共同预测年龄的交互关系。根据SHAP交互值，与其他蛋白质连接最多的个别蛋白包括ELN（一种弹性纤维蛋白，构成细胞外基质的一部分，并赋予心脏、皮肤、肺、韧带和血管等器官和组织弹性）、EDA2R（参与NF-κB和先天免疫通路，并与秃顶、雌二醇、睾酮和高密度脂蛋白代谢有关）、LTPB2（与BMI、血压、神经质和焦虑、青光眼和视网膜病变、肺功能和死亡率相关的蛋白质）、CXCL17（一个与CXCL9交互的趋化因子，参与肿瘤生成、通过单核细胞、巨噬细胞和树突状细胞进行的抗微生物防御）以及GDF15（与BMI、肝功能、系统性红斑狼疮和COVID-19有关）。总体而言，使用基于数据驱动的方法从机器学习模型中提取的PPI交互与使用最新实验生物知识（STRING数据库）进行的PPI分析显示出不同的结果。

ProtAge中的五个对应基因与在Horvath时钟中映射到CpG位点的基因重叠（CSPG5、CXADR、DKK3、ENPP2和POMC），11个ProtAge基因与映射到DNAm PhenoAge的邻近基因重叠（AMANTSL5、CALB1、CTSF、CXADR、CYTL1、DPEP2、KLK8、LHB、LMOD1、MATN3和NPL）。仅有三个ProtAge基因与映射到DunedinPACE的邻近基因重叠（ADAMTS13、SORCS2和TNXB）。

这项研究的基于开发一个基于血浆蛋白的年龄时钟，以更准确地预测生物年龄，从而评估多种年龄相关疾病和死亡风险的目的。使用来自英国生物库的大规模数据，结合先进的机器学习技术，选出了与年龄预测相关的204种关键蛋白质，并在中国和芬兰的独立样本中验证了模型的有效性。结果显示，该蛋白质年龄时钟能有效地预测个体的生物年龄，与多种慢性疾病、多病共存和全因死亡风险显著相关，不仅适用于单一族群，还适用于不同种族背景的人群。这一研究为理解衰老过程提供了新的视角，为未来在多种族背景下，利用蛋白质组学数据进行个性化健康风险评估和干预提供了可能性。

封面来源：Freepik