IF13.0!衰老研究新突破!南京医科大首创新型衰老时钟!南京医科大学戴俊程团队:整合血浆蛋白质组学预测衰老相关疾病风险
- 2026-05-28 17:46:21
各位主任院长杰青，大家好呀！
小青今天带来的这篇是由南京医科大学戴俊程作为通讯作者，发表在 Journal of Advanced Research上的文章（IF13.0），题为。
ProtPhenoAge: Integrating plasma proteomics to predict Aging-Related disease Risks
ProtPhenoAge：整合血浆蛋白质组学预测衰老相关疾病风险
领取文献 >公众号回复“260526”
核心亮点
这篇文章，创新之处在于首次整合血浆蛋白质组学与复合生物标志物构建新型衰老时钟 ProtPhenoAge；能识别传统时钟遗漏的年龄无关但衰老相关表型；定位经典及新衰老基因座，证实 2 个基因座通过调控 APOE、BTD 蛋白影响衰老，兼具表型与基因组双重验证。
全球人口老龄化加剧，亟需精准量化衰老的工具。传统时序年龄无法反映个体衰老差异，表观遗传时钟仅间接反映衰老，早期蛋白质组时钟受样本量与技术限制，且缺乏基因组验证，故需开发新一代蛋白质组衰老时钟。
研究目的在于，构建并验证整合血浆蛋白质组学与复合生物标志物的新型衰老时钟 ProtPhenoAge；通过表型组、基因组证据对比其与传统时钟的优势；探究衰老加速与疾病表型的关联，识别衰老相关遗传位点。
>>>>
数据筛选
基于英国生物银行（UKB）37433 名受试者，剔除蛋白缺失率 > 20%、个体蛋白缺失 > 10% 者；用 K 近邻填补缺失值，对蛋白行秩逆正态转换，最终纳入 37433 人，中位随访 164.73 个月。
>>>>
研究方法
用 Boruta-SHAP 筛选 PhenoAge 相关蛋白，训练 6 种机器学习模型选最优 XGBoost 构建 ProtPhenoAge；采用 PheWAS、MR 分析衰老加速与疾病关联；GWAS + 共定位分析识别衰老基因座；用 Cox 模型、时间依赖 ROC 评估模型效能。
>>>>
ProtPhenoAge 模型构建与预测效能
成功构建由 185 个血浆蛋白组成的 ProtPhenoAge 模型，XGBoost 版本与 PhenoAge 高度相关，全因死亡率预测 AUC 达 0.76，显著优于时序年龄、PhenoAge 及 ProtAge。
人群中衰老时钟各指标表现
>>>>
ProtPhenoAge 加速与疾病表型的关联
ProtPhenoAge 加速与 313 种疾病表型显著相关，覆盖糖尿病、心血管病等衰老相关疾病，额外识别 31 种年龄无关表型，多为免疫、精神及代谢紊乱。
四种衰老表型的全表型组关联研究曼哈顿图
>>>>
衰老相关遗传位点的鉴定
通过 GWAS 鉴定出 10 个衰老相关基因座，含 APOE 等经典位点，其中 rs429358 和 rs13100619 分别通过调控 APOE、BTD 蛋白表达影响衰老进程。
ProtPhenoAge 加速的全基因组关联与共定位分析
>>>>
孟德尔随机化验证因果关联
孟德尔随机化分析证实 ProtPhenoAge 加速与 2 型糖尿病并发症、心绞痛、心力衰竭等疾病存在正向因果关联，部分疾病与衰老加速呈双向关联。
>>>>
研究基于 UKB 数据库，创新整合血浆蛋白质组与复合生物标志物构建 ProtPhenoAge，弥补传统时钟局限；兼具表型、基因组双重验证，预测效能领先；能捕捉年龄无关衰老表型，拓展衰老认知；定位新衰老基因座，揭示蛋白介导的衰老调控机制。
>>>>
研究结果表明，ProtPhenoAge 精准量化衰老，全因死亡率预测优于传统时钟；关联 313 种疾病表型，含 31 种年龄无关表型；鉴定 10 个衰老基因座，含 APOE 等经典位点；证实 2 个位点通过调控 APOE、BTD 蛋白影响衰老，为衰老研究提供可靠工具。
参考文献：
Wang Y, Sun Y, Yang F, Li M, Qi T, Lu Z, Wang Q, Bu Q, Sun L, Wo H, Zhao Y, Yi H, Dai J. ProtPhenoAge: Integrating plasma proteomics to predict Aging-Related disease Risks. J Adv Res. 2026 May 11:S2090-1232(26)00417-0. doi: 10.1016/j.jare.2026.05.022. Epub ahead of print. PMID: 42119967.
青藤小编为您分析了这篇文章的创新思路：
研究基于 UKB 数据库，将血浆蛋白质组学与临床复合生物标志物（PhenoAge）整合构建新型衰老时钟 ProtPhenoAge，同时通过表型组关联、孟德尔随机化、全基因组关联与共定位分析，从表型、因果、遗传层面系统验证时钟效能并解析衰老机制。
适用于：心血管病、糖尿病、神经退行性疾病、肿瘤等慢病的生物标志物开发、风险分层、早期筛查及机制研究，也适用于精准医学、老年医学及药物靶点筛选......等领域！
科研没思路？
关注常青藤，获取更多科研新思路！
📞 立即私信免费获取1v1研究方案
合作前先签保密协议，想报销可开发票
【严谨保密 · 合同保障 · 成果100%归属作者】
▼
太牛了！IF11.8！南医大硕士仅“一图一表”7天登顶刊！探究疾病与癌症风险和死亡率增加的关联
微信号：sjygdsdsbxjbf
扫码领取免费方案评估
