衰老会导致整个机体的组织结构和功能退化，从而大大增加慢性疾病的风险，然而对于人体器官如何随着年龄变化发生分子变化知之甚少。虽然目前已经开发了许多测量人类衰老的方法，但是大对数只提供一种单一方法，很难解释人类衰老轨迹的复杂性。

2023年12月6日，斯坦福大学Tony Wyss-Coray研究团队在Nature上发表了题为“Organ aging signatures in the plasma proteome track health and disease”的研究论文，开发出一种基于血浆蛋白质组来衡量人体器官衰老的人工智能算法——LASSO，该方法利用来自特定器官的人血浆蛋白水平来测量活体个体中器官特异性衰老差异，使用机器学习模型分析了11个主要器官的衰老，为衰老相关疾病的预防奠定了基础。

英文标题：Organ aging signatures in the plasma proteome track health and disease

中文标题：血浆蛋白质组中的器官衰老标记追踪健康和疾病

发表时间：2023年12月6日

样本类型：血浆

组学技术：血浆蛋白质组（Somascan平台）

一、研究内容

01.血浆蛋白质组建立器官衰老框架

文章通过测量五个独立队列中5676名参与者的血浆蛋白质水平，建立了器官特异性的衰老模型，除去队列中高变异系数或低相关性的蛋白质，共获得4778种蛋白质用于下游分析。结果发现，超过18%的参与者的器官衰老速度加快，但只有1.7%个体表现出多器官的衰老（图1）。

图1血浆蛋白质组模拟器官衰老（Oh HS et al., Nature, 2023）

02.器官年龄与健康和疾病之间的关系

研究团队提出了一个“年龄差距”的概念，即器官的实际年龄与基于该人工智能算法预测的生物年龄之间的差异。为了评估器官年龄和衰老之间的关系，研究人员测试了器官衰老是否与9种年龄相关疾病状态相关，包括阿尔茨海默病、房颤、脑血管疾病、糖尿病、心脏病发作、高胆固醇血症、高血压、肥胖和步态障碍，结果发现器官衰老与相关的特定疾病和全因死亡风险均存在关联（图2）。

图2器官年龄预测疾病和健康（Oh HS et al., Nature, 2023）

03.脑衰老导致的认知衰退和阿尔茨海默症

为了更好地理解潜在的蛋白质在脑衰老模型对表型预测能力的作用，该研究开发了一种名为“生物老化特征重要性（FIBA）”算法，确认了在年龄差距和认知下降之间发挥重要作用的蛋白质。基于获得的蛋白信息训练第二代大脑衰老模型—CognitionBrain，发现其与阿尔茨海默症的关联性更强。随后将第二代大脑衰老模型与其他生物标志物和认知衰退的预测因子联合使用，发现其能够捕捉其他方法无法捕捉到的关于大脑衰老的分子信息（图3）。

图3认知能力下降和AD中的脑衰老（Oh HS et al., Nature, 2023）

04.器官衰老导致的认知衰退和阿尔茨海默症

为了进一步了解其他器官的衰老如何促成大脑衰老表型，本研究将FIBA算法应用于其他器官衰老模型，结果显示心血管、脑部、整体器官和胰腺老化模型均与AD有关，并且为了理解早期认知衰退涉及的生物学过程和蛋白质，该研究绘制了所有模型蛋白的老化轨迹，发现这些模型中的蛋白质变化与认知下降早期阶段相关，尤其是涉及血管和动脉的变化。研究结果显示血管钙化和细胞外基质改变是衰老的一个主要组成部分，是认知衰退和神经退行性疾病早期阶段的基础（图4）。

图4认知能力下降和AD中的器官衰老（Oh HS et al., Nature, 2023）

02.小结

综上所述，研究表明大规模血浆蛋白质组学和机器学习可以用于无创测量人体器官的健康和衰老。器官特异性蛋白质组和FIBA算法进一步细分为生理年龄相关蛋白质，能够分析不同个体的衰老速率，并以器官水平的分辨率测量衰老。

03.拜谱小结

本研究介绍了一个使用血浆蛋白质组学来模拟器官健康和生物老化的框架，由此产生的器官衰老模型可以预测死亡率、器官特异性功能衰退、疾病风险和进展以及组织之间的衰老异质性，为未来的健康管理和疾病预防提供了重要的分子水平视角。拜谱生物现推出全新的超高深度血液蛋白质组系列产品，采用自研血液中低丰度富集试剂盒（BP-MagBeads Kit），结合最新Orbitrap Astral质谱仪，单针检测已突破7000+，助力深度挖掘血液信息，推动疾病的治疗和发展，欢迎大家咨询！

参考文献：Oh HS, Rutledge J, Nachun D, et al. Organ aging signatures in the plasma proteome track health and disease. Nature. 2023;624(7990):164-172. doi: 10.1038/s41586-023-06802-1.