第二篇研究来自牛津大学、哈佛医学院及北京大学等多个研究团队，利用英国生物样本库（UK Biobank, UKB）的血液蛋白组学数据为开发队列，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）中经过验证，相关研究发现204种蛋白标志物能够准确预测实际年龄，并与18种主要慢性疾病的发病率、多重疾病风险和全因死亡风险密切相关。

研究背景：衰老过程会导致生理完整性和功能的逐渐丧失，最终可能引发重大疾病及死亡。目前，时间年龄（Chronologic Age）是衡量个体“生物”衰老的常用方法，但其存在一定缺陷。因此，利用组学数据来捕捉个体生物功能水平，并将其与时间年龄的预期功能水平进行对比，能够更准确地评估生理年龄（Biological Age）及身体健康状况。

在UKB测试集、CKB和FinnGen的独立验证中，ProtAge模型展示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，研究还发现，包含20种蛋白的模型（ProtAge20）与完整模型相比，能够实现相似的年龄预测性能。

蛋白组年龄的预测：该模型不仅可以用于预测衰弱和衰老表型，还能与生理、身体及认知功能之间建立相关性。此外，蛋白组学年龄能够有效预测常见疾病风险和不同年龄特异性的死亡率。

研究还比较了ProtAge与现有的DNA甲基化时钟及蛋白组学衰老时钟，结果表明，所选蛋白与基因间的重叠很少，这暗示两种模型可能关注不同的基因集。同时，有64%的ProtAge相关蛋白（ProtAgeAPs）在以往研究中未被识别，表明该研究提供了一组较为新颖的预测蛋白。这些发现强调了不同生物标志物可能揭示衰老过程的不同层面，为理解衰老的复杂性提供了新视点。

性别与年龄的关系：通过基于三个国家（UKB、CKB、FinnGen）的大规模人群队列项目，利用Olink血浆蛋白组学作为测量生物年龄的强大工具，本研究探讨了自然人群中与年龄相关的常见疾病的生物学特征。研究结果显示，开发蛋白组学衰老时钟不仅是识别疾病多重性的有效工具，还为开发潜在的药物治疗手段或生活方式干预提供了新的方向，以减少过早死亡并延缓与年龄相关的疾病。

全新研究成果强调了蛋白组学在生物医学领域中的重要性，尊龙凯时秉持前沿科技，致力于推动生物医疗的不断进步与创新，为人类健康提供更有力的支撑。