蛋白质组学年龄时钟与生活方式风险因素、慢性病发病及死亡率在两个欧洲队列中的关联

Associations of proteomic age clocks with lifestyle risk factors, incident chronic diseases and mortality in two European cohorts

作者信息Oliver Robinson, Han Xiao, Jan Homann, Vivian Viallon, Pietro Ferrari, Philipp Frank, José M Huerta, Ana Jiménez Zabala, Rudolf Kaaks, Verena A Katzke, Mika Kivimaki, Claudia Langenberg, Chung-Ho E Lau, Lefkos Middleton, N Charlotte Onland-Moret, Salvatore Panico, Anna Prizment, Fulvio Ricceri, María-José Sánchez, Karl Smith-Byrne, W M Monique Verschuren, Roel Vermeulen, Paolo Vineis, Shuo Wang, Nick Wareham, Christina M Lill, Elio Riboli, Marc J Gunter
PMID42373948
期刊Nat Aging
发布时间2026-07
DOI10.1038/s43587-026-01163-6

实验完整度

包含EPIC队列(17,473人)和Whitehall II队列(6,240人)的多个独立人群,评估了五个蛋白质组学时钟及器官特异性时钟,并通过Cox回归、风险因素调整、敏感性分析等方法进行了功能验证和机制探索。

主要模型

EPIC队列(欧洲癌症与营养前瞻性调查) Whitehall II队列(英国公务员队列)

重点核对

EPIC队列:基于SomaScan v4.1的蛋白质组学数据 Whitehall II队列:基于SomaScan v4.0和v4.1的蛋白质组学数据 风险因素调整模型:调整了教育水平、吸烟、饮酒、BMI、健康饮食评分和身体活动 统计学方法:Cox比例风险回归模型,按研究中心、性别和5岁年龄组分层

摘要

使用蛋白质组学时钟评估生物衰老可能增强风险预测,并阐明衰老与慢性疾病之间的分子联系。在此,我们在欧洲癌症与营养前瞻性调查的17,473名参与者中,检查了基于血浆SomaScan的蛋白质组学时钟(包括器官特异性时钟)与风险因素、24种偶发慢性疾病及全因死亡率的关联,随访时间长达28年。复制研究在Whitehall II研究中进行。我们发现,全局年龄差距(一种结合蛋白质组学时钟的年龄加速度评分)与吸烟、饮酒、缺乏身体活动及更高的死亡率、心血管疾病、痴呆和肝癌、上呼吸消化道癌、肺癌和肾癌风险相关。肺癌、肾癌和胃癌与相关的器官特异性年龄差距的关联更强。蛋白质组学时钟对死亡率的预测性能与经典生活方式风险因素相当。总之,蛋白质组学时钟似乎是广义年龄相关疾病风险的有前景的生物标志物。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
蛋白质组学年龄时钟是否与生活方式风险因素、慢性疾病发病率和死亡率相关,并且能否作为生物衰老的标志物?
核心机制
蛋白质组学年龄时钟反映了生物衰老过程,与年龄相关疾病风险增加相关,这一过程可能受细胞外基质、免疫和炎症过程等通路调节。
主要证据
在EPIC队列(17,473人)和Whitehall II队列(6,240人)中,多个蛋白质组学年龄时钟(包括全局年龄时钟)均与全因死亡率和多种慢性疾病风险显著相关,且全局年龄差距与吸烟、饮酒和缺乏身体活动等生活方式因素相关。
研究意义
表明蛋白质组学时钟作为生物衰老标志物,可能有助于改善风险分层和预防年龄相关疾病,并可作为健康老龄化临床试验的潜在替代终点。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

队列选择和样本收集

建立用于评估蛋白质组学年龄时钟与健康结局关联的研究人群。

从EPIC队列中选取17,473名参与者(病例-队列设计),包括随机子队列和病例集;Whitehall II队列中选取6,240名参与者,分析基线血浆样本。

2

蛋白质组学测量

量化血浆中约7000种蛋白质,以计算蛋白质组学年龄。

使用SomaScan v4.1(EPIC)和v4.0/v4.1(Whitehall II)分析血浆样本,经过标准化和质控步骤。

3

蛋白质组学年龄计算

基于已发布时钟权重计算五种常规时钟和器官特异性时钟,并构建全局年龄时钟。

使用Tanaka、Lehallier、Sathyan、Oh和Wang时钟的权重,以及Python organage包计算的器官特异性时钟。通过局部回归校正年龄依赖性,计算年龄差距。

4

生存分析

评估蛋白质组学年龄差距与全因死亡率和24种慢性疾病风险的关联。

使用Cox比例风险回归模型,按研究中心、性别和5岁年龄组分层,并调整生活方式风险因素。应用FDR校正进行多重比较。

5

风险因素关联分析

评估生活方式风险因素(如吸烟、饮酒、身体活动、BMI、饮食)与蛋白质组学年龄差距的关联。

在EPIC子队列中使用线性回归模型,调整年龄、性别和研究中心,分析风险因素与年龄差距z分数的关联。

6

复制验证

在独立队列中复制蛋白质组学年龄时钟与死亡率的关联。

在Whitehall II队列中重复计算年龄差距,并评估其与全因死亡率的关联。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

蛋白质组学测量
生物信息学分析

产品清单

实验环节名称品牌货号
SomaScan v4.1检测SomaLogic--
SomaScan v4.0检测SomaLogic--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
蛋白质组学测量
SomaScan assay版本(v4.1或v4.0)、血浆样本类型(柠檬酸盐或EDTA)、及质量控制参数
阅读提示:Methods: Proteomic assessment
蛋白质组学年龄计算
时钟权重(Tanaka、Lehallier、Sathyan、Oh、Wang)、年龄差距计算方法(局部回归)、全局时钟计算方式
阅读提示:Methods: Proteomic age calculation
生存分析
Cox模型分层变量(研究中心、性别、年龄组)、调整协变量(教育、吸烟、饮酒、BMI等)、多重校正方法
阅读提示:Methods: Statistics and reproducibility
风险因素关联分析
线性回归模型调整变量(年龄、性别、研究中心)、风险因素分类(如吸烟、饮酒)
阅读提示:Methods: Statistics and reproducibility