IF17.1!南京医科大学用“机器学习+多组学”拿下一区TOP,重塑衰老评估新标准!
光看身份证上的出生日期，根本判断不了真正的衰老速度。南京医科大学在《Journal of Advanced Research》发表研究，利用英国生物银行近3.8万人的血浆蛋白数据，打造了“ProtPhenoAge”衰老时钟。
它不仅整合常规血检，还纳入血浆蛋白变化，对全因死亡的预测能力，优于表型年龄、蛋白年龄和实际年龄。还能发现与年龄无关但加速衰老的因素。衰老是多维度的，这项研究理清了关键脉络。
LITERATURE INTERPRETATION●中文标题：ProtPhenoAge：整合血浆蛋白质组学预测衰老相关疾病风险
●发表期刊：Journal of Advanced Research
光靠年龄判断衰老远远不够。表型年龄、蛋白年龄各有短板，临床指标只能间接反映遗传，蛋白时钟又漏掉那些与年龄无关但驱动衰老的事件。血浆蛋白能综合内外信号。研究者整合近3.8万人数据，融合蛋白组与临床优势，更全面量化衰老。
研究者从UK-Biobank中筛选出近3.8万名参与者，先基于九项临床血检指标算出每个人的PhenoAge作为生物年龄标签。随后用Boruta-SHAP算法从近3000种血浆蛋白中筛选出185种与衰老最相关的蛋白。接着同时训练了六种机器学习模型，比谁预测PhenoAge最准、预测死亡风险最强。最终XGBoost胜出，这就是ProtPhenoAge。
性能验证表明，XGBoost从六种模型中胜出。ProtPhenoAge与PhenoAge高度相关（r=0.961），3年死亡预测AUC达0.768，优于现有指标。校正混杂后，生物年龄每增1岁，死亡风险升高约11%。局限在于样本全为英国白人，外推性存疑，且基线数据无法捕捉动态衰老（图1）。
先用PhenoAge当标签，它本身就是基于死亡风险校准的临床指标，比直接用年龄更科学。再让算法从近3000个蛋白里自己挑“有用”的，不靠人工预设，减少主观偏差。六种模型同时训练、择优录取，最后用死亡风险而非拟合精度定胜负。这套“标签选得巧、特征筛得精、模型比得狠”的框架，值得借鉴。
回归关联分析显示，ProtPhenoAgeAccel与313种疾病显著相关，其中77%为经典年龄相关疾病。还能捕获31种年龄独立表型，以免疫紊乱和精神障碍为主。双向孟德尔随机化证实，糖尿病、心衰与加速衰老存在双向因果。局限在于横断面数据难定因果时序，部分关联或受残留混杂干扰（图2）。
这项研究的分析思路很清晰。先拿加速衰老指标去“扫”1854种疾病，不设限、不预判，看看它到底跟什么有关。扫出来之后，特意揪出那些与实际年龄无关的表型，看看这个时钟能不能发现“年龄看不出的问题”。最后用双向孟德尔随机化验证因果关系，筛掉单纯的相关性。这套“广筛查—找差异—验因果”的三步走策略，值得参考。
GWAS鉴定出10个衰老相关位点，其中2个为已知（APOE），8个为新增，指向脂代谢、炎症与吸烟通路。共定位证实APOE和BTD通过调控蛋白表达影响衰老，BTD为首次发现的潜在靶点。已知位点复现增强了可信度，但样本均为欧洲人群，外推性待验证，部分位点统计效力偏低（图3）。
先做全基因组扫描，把与加速衰老相关的位点全都拉出来，不预设候选基因，避免遗漏信号。接着把找到的位点分成已知和新增两类，能复现APOE这类经典位点说明方法靠谱，新增位点则提示脂代谢和炎症等通路可能参与其中。最后用共定位分析追问关键位点是不是通过调控蛋白来影响衰老，把遗传变异和蛋白机制串了起来。
不得不说，ProtPhenoAge这把新尺子确实比老几样好使。最值得借鉴的是整合思路，融合临床指标与蛋白数据，放到死亡风险这个硬终点上验货，蛋白负责敏感，临床负责稳健，各取所长。
要是你也手握公共数据想做预测模型，卡在多组学融合或模型筛选上，“标签选得巧、特征筛得精、模型比得狠”这套框架准没错。原文干货满满，值得一读～
