Nature|多队列血浆蛋白组学预测疾病和衰老效应

View :1242

研究背景及简介

动物研究表明衰老在个体之间和个体内的不同器官之间存在差异,但在人类中是否也存在以及对年龄相关疾病的影响尚不清楚。通过血浆蛋白质水平,可以测量来自特定器官的蛋白质,以衡量个体中器官间老化的差异。

2023年12月6日,斯坦福大学 Tony Wyss-Coray 团队在 Nature 发表了血浆蛋白组学最新文章 Organ aging signatures in the plasma proteome track health and disease

 

图1 论文截图

文章通过对多个人群队列的蛋白质组学数据分析,发现血浆中pTau-181水平与认知功能下降相关,并识别了多个与神经系统相关的蛋白质,为认知衰退的生物标志物研究提供了新的见解。研究人员提出了一种使用血浆蛋白质组学来建模器官健康和生物老化的框架,该方法对器官老化模型进行建模,可以预测死亡、器官特异性功能下降、疾病风险和进展以及组织之间的老化异质性。

研究样本

来自5个队列的5676名参与者(Covance、LonGenity、Stanford-ADRC、SAMS、Knight-ADRC)

研究方法

血浆蛋白组学(SomaScan检测法)

研究结果

1. 血浆蛋白用于建模器官衰老

文章通过对5,676名参与者进行血浆蛋白水平的测量,建立了器官特异性的衰老模型。使用机器学习模型,研究人员分析了11个主要器官的衰老情况,并在包括5,676名成年人的五个独立队列中可靠地估算了器官的衰老。研究发现,约20%的人口中有一种器官的衰老速度明显加速,1.7%的人是多器官衰老者。

图2 血浆蛋白可以用于模拟器官衰老

2. 器官衰老预测健康和疾病

研究人员测试了器官衰老与九种与年龄相关的疾病的关系,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。研究发现,器官衰老与与其相关的特定疾病存在关联。例如,肾脏衰老与代谢性疾病相关,心脏衰老与心脏疾病相关。此外,器官衰老与全因死亡风险也存在显著关联,不同器官的衰老与相应的死亡风险相关性有所不同。

研究人员还测试了器官衰老与43个临床生化和细胞计数标记之间的关联。他们发现,器官衰老与这些标记之间存在226项显著关联,其中包括与肝脏和肾脏健康相关的标记。这些结果表明,器官特异性衰老模型捕获了与疾病相关的衰老异质性,而其他衰老时钟或临床标记未能捕获。

图3 器官衰老可以预测健康和疾病

3. 脑衰老导致认知衰退和阿尔茨海默病

研究人员特别关注了脑器官衰老与认知衰退和阿尔茨海默病的关系。通过开发名为 “生物老化特征重要性(FIBA)” 的算法,研究人员确定了对脑器官衰老和认知衰退最重要的蛋白质。使用这些信息,他们构建了第二代脑器官衰老模型CognitionBrain,通过只使用与认知衰退相关的脑特异性蛋白质进行训练,发现该模型与AD的关联更强。结果还表明,脑器官衰老模型提供了关于大脑衰老的分子信息,这在其他方法中无法捕获。

图4 认知能力衰退和AD中的大脑衰老

4. 器官衰老导致认知能力衰退和阿尔茨海默病

通过应用FIBA优化框架,研究者发现与大脑老化模型类似,心血管、脑部、整体器官和胰腺老化模型与AD有关。为了理解早期认知衰退涉及的生物学过程和蛋白质,研究者绘制了所有模型蛋白的老化轨迹,并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。研究结果提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5 认知能力衰退和AD中的器官衰老

文章小结

该研究引入了一种使用血浆蛋白质组学和机器学习来模拟器官健康和生物老化的框架,通过该方法,可以通过小样本的血液样本进行最小侵入性的器官级别的老化评估,并可以用于理解健康干预的效果,如生活方式改变和药物疗法。

研究结果表明,大规模的血浆蛋白质组学和机器学习可用于非侵入性地测量器官健康和衰老,并为了解器官衰老的多样性和对相关疾病的影响提供新的方法。

文章链接:

https://www.nature.com/articles/s41586-023-06802-1

 

问询(英文)

公众号