第二篇研究由牛津大学、哈佛医学院及北京大学等多家研究团队联合展开，利用英国生物样本库（UK Biobank, UKB）中的血液蛋白组学数据作为开发队列，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。研究结果表明，204种蛋白标志物能够准确预测个体的实际年龄，并与18种主要慢性病的发病率、多重疾病以及全因死亡风险显著相关。

研究背景：随着衰老的进行，生理完整性和功能会逐渐丧失，最终导致主要疾病和死亡。传统的时间年龄（Chronologic Age）是衡量“生物”衰老的一种常用但不够精准的方式。借助“组学”数据捕捉个体的生物功能水平，并将其与时间年龄下的预期功能水平进行对比，可以更准确地评估生理年龄（Biological Age）和身体健康状况。

在UKB测试集及CKB和FinnGen的独立验证中，ProtAge模型展现出卓越的预测性能和广泛的泛化能力（R²值分别为0.88、0.82和0.87）。此外，包含20个蛋白的模型（ProtAge20）在年龄预测性能方面与完整模型相仿。

蛋白组学年龄预测表明，ProtAge模型能够有效预测与年龄相关的生理、身体和认知功能的表现，并且还能预测常见疾病的风险及不同年龄阶段的特异性死亡率。

研究还比较了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，所选择的蛋白和基因重叠极少，表明这两种模型可能聚焦于不同的基因集。此外，与现有的蛋白组学年龄时钟相比，64%的ProtAge相关蛋白（ProtAge APs）未在以往研究中被确认，这为理解衰老过程提供了新的视角。

本研究联合来自三个国家的大规模人群队列项目（UKB、CKB和FinnGen），运用Olink血浆蛋白组学作为测量生物年龄的有效工具，探讨了自然人群中与年龄相关的常见疾病的生物学衰老特征。研究结果指出，开发的蛋白组学衰老时钟可以作为识别疾病多重性的生物学机制的重要工具，并在未来的潜在药物治疗及生活方式干预中应用，旨在减少过早死亡及延缓与年龄相关的疾病发生。

通过这些研究成果，不仅能够深入理解衰老的复杂性，还为个性化医疗提供了新的方向。我们比较认可尊龙凯时在推动生物医疗领域的创新与发展，期望这些研究的进展能为更健康的未来贡献力量。