摘要：研究人員發現器官年齡差異對生活方式和藥物敏感，且能獨立預測未來17年內多種疾病的發生風險。
衰老是導致器官功能障礙和慢性疾病的核心因素，但人類器官的衰老速率存在顯著差異，傳統方法難以精準評估特定器官的生物學年齡。更關鍵的是，器官衰老如何影響疾病發生和壽命，以及哪些器官對長壽最為關鍵，這些問題的答案仍不明確。斯坦福大學醫學院(Stanford University School of Medicine)的Hamilton Se-Hwee Oh、Tony Wyss-Coray團隊在《Nature Medicine》發表的研究，通過大規模血漿蛋白質組分析揭開了器官衰老與健康的奧秘。
研究人員利用英國生物銀行(UK Biobank)44,498名參與者(年齡40-70歲)的血漿樣本，采用Olink平臺檢測2,916種蛋白質。通過GTEx數據庫篩選器官富集蛋白，建立LASSO回歸模型預測11種器官（包括腦、心臟、免疫組織等）的生物學年齡。研究創新性地引入"年齡差"(age gap)概念，并通過Cox比例風險模型分析其與疾病和死亡率的關聯。
圖1 血漿蛋白質組學揭示腦與免疫系統衰老同健康期及壽命的關聯血漿蛋白質組揭示器官衰老特征
通過器官富集蛋白篩選和機器學習建模，研究發現不同器官的衰老速率相關性較弱(平均r=0.21)，證實了器官衰老的異質性。值得注意的是，腦、動脈和"整體"(organismal)年齡可解釋97%的傳統年齡預測模型變異，其中整體年齡貢獻達74%。縱向分析顯示器官年齡差在9年內保持中度穩定(r=0.6)。
器官衰老精準預測疾病風險
在調整多種因素后，腦衰老與阿爾茨海默病(AD)風險關聯最強(s.d.增加HR=1.91)，極端腦衰老者風險堪比攜帶APOE4基因(HR=3.11)，而腦年輕狀態(HR=0.26)的保護效應相當于APOE2純合子。研究還發現：
心臟衰老預測房顫(HR=1.75)和心衰(HR=1.83)
肺衰老預測COPD(HR=1.39)
腎臟/胰腺衰老預測慢性腎病(HR=1.66-1.80)
圖2 英國生物樣本庫（UKB）中基于血漿蛋白質的器官年齡預測
生活方式與藥物影響器官衰老
吸煙、飲酒、加工肉類攝入加速多器官衰老，而劇烈運動、深海魚攝入與器官年輕化相關。雌激素治療與免疫系統年輕化顯著相關(早期絕經未治療者免疫年齡差+0.5SD，治療者-0.3SD)。
腦與免疫系統是長壽關鍵
全因死亡率分析顯示，腦衰老預測力最強(s.d.增加HR=1.59)，8+器官衰老者死亡率增加8.3倍。而腦(HR=0.60)和免疫系統(HR=0.58)年輕狀態獨特關聯長壽，兩者兼具者死亡風險降低56%(HR=0.44)。機制研究發現：
腦年輕者高表達BCAN、NCAN等神經元周圍網(perineuronal net)蛋白
免疫年輕者低表達MMP9等促炎因子
腦衰老蛋白50%源自少突膠質細胞系
這項研究建立了首個基于血漿蛋白質組的多器官衰老評估體系，證實器官衰老模式可預測特定疾病風險并揭示長壽機制。特別重要的是，發現腦和免疫系統的年輕狀態對延長健康壽命具有獨特保護作用，為抗衰老干預提供了精準靶點。研究提出的"年齡差"概念和檢測方法，有望轉化為臨床可用的器官健康監測工具，推動個體化衰老干預策略的發展。
參考資料
[1] Plasma proteomics links brain and immune system aging with healthspan and longevity
摘要：研究人員發現器官年齡差異對生活方式和藥物敏感，且能獨立預測未來17年內多種疾病的發生風險。
衰老是導致器官功能障礙和慢性疾病的核心因素，但人類器官的衰老速率存在顯著差異，傳統方法難以精準評估特定器官的生物學年齡。更關鍵的是，器官衰老如何影響疾病發生和壽命，以及哪些器官對長壽最為關鍵，這些問題的答案仍不明確。斯坦福大學醫學院(Stanford University School of Medicine)的Hamilton Se-Hwee Oh、Tony Wyss-Coray團隊在《Nature Medicine》發表的研究，通過大規模血漿蛋白質組分析揭開了器官衰老與健康的奧秘。
研究人員利用英國生物銀行(UK Biobank)44,498名參與者(年齡40-70歲)的血漿樣本，采用Olink平臺檢測2,916種蛋白質。通過GTEx數據庫篩選器官富集蛋白，建立LASSO回歸模型預測11種器官（包括腦、心臟、免疫組織等）的生物學年齡。研究創新性地引入"年齡差"(age gap)概念，并通過Cox比例風險模型分析其與疾病和死亡率的關聯。
圖1 血漿蛋白質組學揭示腦與免疫系統衰老同健康期及壽命的關聯血漿蛋白質組揭示器官衰老特征
通過器官富集蛋白篩選和機器學習建模，研究發現不同器官的衰老速率相關性較弱(平均r=0.21)，證實了器官衰老的異質性。值得注意的是，腦、動脈和"整體"(organismal)年齡可解釋97%的傳統年齡預測模型變異，其中整體年齡貢獻達74%。縱向分析顯示器官年齡差在9年內保持中度穩定(r=0.6)。
器官衰老精準預測疾病風險
在調整多種因素后，腦衰老與阿爾茨海默病(AD)風險關聯最強(s.d.增加HR=1.91)，極端腦衰老者風險堪比攜帶APOE4基因(HR=3.11)，而腦年輕狀態(HR=0.26)的保護效應相當于APOE2純合子。研究還發現：
心臟衰老預測房顫(HR=1.75)和心衰(HR=1.83)
肺衰老預測COPD(HR=1.39)
腎臟/胰腺衰老預測慢性腎病(HR=1.66-1.80)
圖2 英國生物樣本庫（UKB）中基于血漿蛋白質的器官年齡預測
生活方式與藥物影響器官衰老
吸煙、飲酒、加工肉類攝入加速多器官衰老，而劇烈運動、深海魚攝入與器官年輕化相關。雌激素治療與免疫系統年輕化顯著相關(早期絕經未治療者免疫年齡差+0.5SD，治療者-0.3SD)。
腦與免疫系統是長壽關鍵
全因死亡率分析顯示，腦衰老預測力最強(s.d.增加HR=1.59)，8+器官衰老者死亡率增加8.3倍。而腦(HR=0.60)和免疫系統(HR=0.58)年輕狀態獨特關聯長壽，兩者兼具者死亡風險降低56%(HR=0.44)。機制研究發現：
腦年輕者高表達BCAN、NCAN等神經元周圍網(perineuronal net)蛋白
免疫年輕者低表達MMP9等促炎因子
腦衰老蛋白50%源自少突膠質細胞系
這項研究建立了首個基于血漿蛋白質組的多器官衰老評估體系，證實器官衰老模式可預測特定疾病風險并揭示長壽機制。特別重要的是，發現腦和免疫系統的年輕狀態對延長健康壽命具有獨特保護作用，為抗衰老干預提供了精準靶點。研究提出的"年齡差"概念和檢測方法，有望轉化為臨床可用的器官健康監測工具，推動個體化衰老干預策略的發展。
參考資料
[1] Plasma proteomics links brain and immune system aging with healthspan and longevity
