血浆蛋白质组学按器官和性别描绘衰老风险

血浆蛋白质组学正在使生物年龄时钟变得更具特异性。与其给出一个综合数字，告诉你相较于出生证明上的年龄是生物学上更老还是更年轻，较新的模型试图识别最强的衰老相关信号究竟来自心脏、肾脏、大脑、免疫系统，还是其他与器官相关的领域。大型研究还表明，蛋白质模式因性别而异，并可预测数百种疾病的风险。

这在风险绘制方面是有益的进展。但这并不能证明较高的“心脏年龄”会导致心脏病，某种蛋白质会驱动衰老，或通过补充剂降低评分会改善健康。目前，这些测量结果仍是研究级地图：细致、可能具有参考价值，但远远领先于开具干预措施所需的证据。

从一个生物年龄到多个器官相关信号

最清晰的例子来自Oh 等人发表于 2023 年《Nature》的研究。研究人员利用 SomaScan 对血浆蛋白质的测量结果，构建了 11 个时钟；这些时钟基于被归类为在特定器官中富集的蛋白质。他们起初分析了 4,979 种分析物，通过 GTEx 组织富集规则识别出 893 种器官富集蛋白质，经质量控制后保留 856 种，并在 1,398 名健康的 Knight-ADRC 参与者中训练这些时钟。

针对每个时钟，研究人员计算了器官“年龄差”：预测器官年龄减去实际年龄。正年龄差意味着该蛋白质模式更类似于老年人的模式。这些标签需要谨慎解读。按照组织富集规则被归入肾脏的血浆蛋白质，并不是对肾脏组织的直接测量，更遑论活检。“肾脏年龄”是根据血浆丰度和器官富集框架构建的统计评分。

这些时钟在多个外部队列中预测了实际年龄，包括 Covance、LonGenity、SAMS 和 Stanford-ADRC。更有意思的是，各器官年龄差并非同步变化。它们的平均器官间相关性仅为 r=0.29。在研究人群中，23% 的参与者至少有一个器官符合极端衰老者的标准；18.4% 有单器官极端年龄型，而 1.7% 有多器官极端衰老。这些模式支持这样一种观点：循环蛋白质能够捕捉部分可分离的年龄相关变异，而非单一的普遍衰退评分。

当评分和疾病处于同一广泛生理领域时，疾病关联最具说服力。肾脏年龄差与高血压和糖尿病相关，而心脏年龄差与心房颤动和既往心肌梗死相关。根据具体疾病，估计的加速幅度约为 1.0 至 2.8 年。这些是观察性关联，并非证据表明所测蛋白质导致了疾病，或改变评分会改变结局。

预测可能具有临床意义，但未必是治疗靶点

Oh 等人还测试了前瞻性结局。在基线时未患心力衰竭的 812 名 LonGenity 参与者中，心脏年龄加速预测了 15 年内新发心力衰竭：基于 26 起事件，风险比为 2.37。11 个器官年龄差中有 10 个也与全因死亡相关，主要是在同一队列中。该结果值得注意，但心力衰竭事件数量较少，使该估计在实际层面缺乏精确性，而且研究设计无法完全区分上游衰老生物学与早期、未诊断的疾病。

这一差异很重要，因为血浆蛋白质已经能够预测既有疾病患者的预后。在Gui 等人于 2022 年开展的一项心力衰竭研究中，血浆蛋白质组学特征预测了射血分数降低型心力衰竭患者的生存情况。这一发现支持将蛋白质组学作为预后工具。它也为一些衰老相关特征提供了另一种解释：蛋白质可以反映组织损伤、淤血、炎症、药物暴露或疾病严重程度。某项评分可能因检测到疾病负担而预测不良结局，并非因为它测量了独立的生物衰老过程。

方法学选择又增加了一层不确定性。Drake 等人显示，高维血浆蛋白质与全因死亡之间的关联可随建模决策、协变量、多重共线性和多重检验策略而改变。死亡率预测具有价值，但并不会自动识别衰老的机制。

人群图谱揭示了规模——也揭示了非特异性

Deng 等人发表于 2025 年《Cell》的研究将该领域从器官时钟扩展到了疾病图谱。研究人员测量了 53,026 名英国生物样本库参与者的 2,920 种血浆蛋白质，并进行了中位数为 14.8 年的随访。他们报告了 168,100 项蛋白质—疾病关联和 554,488 项蛋白质—性状关联。蛋白质面板对 183 种疾病实现了超过 0.80 的受试者工作特征曲线下面积。

AUC 超过 0.80 可能表明具有有用的区分能力，但其本身并不能确立临床实用性。一个模型可以区分病例与非病例，却无法在年龄、病史、常规实验室检查值、遗传学信息或既有风险评分之外改善决策。此处可获得的已发表记录未提供足够的逐病比较，无法验证其相对于标准医疗的广泛优越性。

该图谱也使整齐的器官叙事变得更复杂。超过 650 种蛋白质与至少 50 种疾病相关。这种多效性可能反映共同的炎症、代谢应激、组织修复或相关疾病。它意味着一种蛋白质可以是强预测因子，却只能为单一器官机制提供较弱证据。该研究的遗传学整合优先确定了 474 种候选因果蛋白质、37 项药物再利用机会以及 26 个具有良好安全性特征的靶点。这些都是开展实验研究的合理线索，而不是证据证明改变其中任何一种蛋白质都会减缓衰老或预防人类疾病。

性别特异性轨迹使通用评分的说服力下降

衰老图谱也需要进行性别特异性解读。在一项发表于 2025 年《Communications Medicine》的分析中，Jin 等人考察了 53,013 名英国生物样本库参与者的 2,923 种 Olink 蛋白质。女性蛋白质轨迹显示出更多非线性年龄模式，以及更多衰老速率加快的蛋白质。然而，研究人员发现，在男性中，同时与衰老和死亡率相关的蛋白质多得多：男性为 172 种，女性为 1 种，其中包括 GDF15 和 IL1R2 等男性信号。

这并不意味着女性只有一种与死亡率相关的蛋白质，或男性衰老得更快。它意味着在该队列的建模中，这些关联因性别而明显不同。绝经、身体组成、药物、共病和生活方式模式均可能促成这些差异。在类似英国生物样本库的人群之外进行重复验证，并仔细调整这些因素，将决定该模式有多大程度反映了性别特异性生物学。

大脑信号很有前景，但尚未那么确定

大脑衰老是可迁移性的局限性尤为明显的领域。在 Oh 等人的研究中，第一代血浆脑龄差与留出的 Knight-ADRC 阿尔茨海默病病例相关，但未能在 Stanford-ADRC 中重复验证。作者只有在围绕认知功能选择特征后才获得更强的发现。这是合理的建模应对方式，但也意味着原始评分并不是在这些队列中稳定、经外部重复验证的大脑年龄测量指标。

其他研究仍支持这样一个更广泛的观点：血浆蛋白质能够描绘大脑相关风险。Liu 等人识别出与大脑衰老相关的血浆生物标志物和动态模式。在两个队列中，Huang 等人发现了与阿尔茨海默病诊断及血液淀粉样蛋白、tau 蛋白、神经退行性变和炎症生物标志物相关的蛋白质；与阿尔茨海默病相关的 35 种蛋白质中，有 20 种在独立队列中得到重复验证。这些研究显示了具有生物学一致性的关联。它们并未确立这些蛋白质是大脑衰老的直接调控杠杆。

与单一生物年龄评分相比，血浆蛋白质组学可以将人们划分为更细致的风险模式。它尚未显示哪种由评分引导的行动能够改善患者结局。

什么能让这些图谱具备可操作性？

首先，研究人员需要在不同祖源、医疗系统和实验室环境中进行外部重复验证。检测平台依赖性是一个实际障碍：Oh 等人使用了 SomaScan，而大型英国生物样本库研究使用了 Olink Explore 面板。这些平台测量的蛋白质空间存在重叠但并不相同，且没有被引用的研究确立通用校准或共同的临床阈值。

其次，评分需要与常规医疗进行前瞻性测试。一项有用的试验会询问，了解蛋白质组风险评分是否会改变筛查、治疗或预防决策，以及这些改变是否改善硬终点。它还需要显示净获益，而不仅仅是更令人印象深刻的图表或更低的生物标志物评分。

对于生物黑客而言，明智的态度是保持克制的好奇心。血浆蛋白质组学报告最终可能帮助临床医生识别风险模式，或帮助研究人员选择试验参与者。如今，没有被引用的研究为根据器官年龄差调整补充剂、处方药、筛查强度或生活方式提供经过验证的阈值。健康饮食、运动、避免吸烟、管理血压和血脂，并接受已确立的预防保健。蛋白质图谱可能会变得更有用；而这些基础措施已经有用。