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。
Associations of proteomic age clocks with lifestyle risk factors, incident chronic diseases and mortality in two European cohorts
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。
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)
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
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
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。
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。
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。
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。
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。
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。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 蛋白质组学测量 | SomaScan v4.1检测 | SomaLogic | -- |
| SomaScan v4.0检测 | SomaLogic | -- |
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 |