第二篇文章介绍了一项来自牛津大学与哈佛医学院及北京大学等多家研究团队的研究，研究者们利用英国生物样本库（UK Biobank, UKB）的血液蛋白组学数据建立了一个蛋白组学年龄时钟模型。这一模型在UKB队列、中国慢性病前瞻性研究队列（CKB）以及芬兰人群队列（FinnGen）中进行了进一步验证。研究显示，204种蛋白标志物能够精确预测个体的实际年龄，并与18种主要慢性病的发病风险、多重疾病的表现以及全因死亡风险相关联。

研究背景表明，衰老过程会导致生理完整性和功能的逐步流失，最终引发多种重大疾病和死亡。常用的时间年龄（Chronologic Age）这一指标衡量“生物”衰老，但其存在局限性。相比之下，利用“组学”数据捕捉个体的生物功能水平，并与时间年龄期望的功能水平进行对比，可以更准确地评估生理年龄（Biological Age）及身体健康状况。

在UKB测试集及CKB和FinnGen的独立验证集中，ProtAge模型展现出了优异的预测性能及良好的泛化能力，R²值分别为0.88、0.82及0.87。此外，研究还发现一个由20个蛋白组成的模型（ProtAge20）能够实现与完整模型相似的年龄预测效果。该研究揭示了多个蛋白组学年龄预测衰弱与衰老的表型之间的相关性，表明蛋白组学年龄能够有效预测常见疾病的风险及不同年龄段特有的死亡率。

研究进一步比较了ProtAge与现有的DNA甲基化时钟和蛋白组学衰老时钟，结果发现与DNA甲基化时钟相比，选定的蛋白和基因重叠很少，暗示这两种模型可能关注不同的基因集。此外，与之前的蛋白组学年龄时钟相比，有64%的ProtAgeAPs未被识别，表明本研究提出了一组相对新颖的预测蛋白。这些发现强调了不同的生物标志物可能揭示衰老过程的不同侧面，为理解衰老的复杂性提供了新的视角。

该研究基于UKB、CKB和FinnGen这三个国家的多个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，探讨自然人群中常见与年龄相关疾病的生物学衰老特征。研究表明，开发蛋白组学衰老时钟可作为识别疾病多重性生物机制的可靠工具，具备开发潜在药物治疗手段或实施生活方式干预的潜力，从而减少过早死亡和推迟与年龄相关的疾病风险。通过这一研究，Z6·尊龙凯时致力于推动生物医疗领域的创新与发展，帮助人们更好地理解衰老过程与健康维护之间的关系。