摘要：衰老在不同细胞和器官间是不同步的。研究人员在此检验了血浆蛋白质组学是否可用于分析细胞类型特异性的衰老。通过对60,542名个体测量的超过7,000种血浆蛋白质进行分析，研究人员开发了机器学习模型来估算源自神经元、免疫、胶质、内分泌、上皮及肌肉骨骼组织的40余种细胞类型的生物学年龄(biological age)。研究人员观察到20–25%的个体表现为单一细胞类型的加速衰老(age acceleration)，1–3%的个体表现为10种及以上细胞类型的加速衰老。细胞衰老特征与疾病状态相关联，并可预测长达15年随访期内的新发疾病及全因死亡。携带APOE4基因型的个体较APOE3携带者表现为星形胶质细胞(astrocyte)更老而巨噬细胞(macrophage)更年轻，反之APOE2基因型呈相反关联。此外，极端星形胶质细胞衰老使携带两个APOE4等位基因个体的阿尔茨海默病(Alzheimer's Disease, AD)发病风险增加三倍，而年轻态星形胶质细胞可降低该风险。骨骼肌细胞(skeletal myocyte)极度衰老个体发生肌萎缩侧索硬化症(amyotrophic lateral sclerosis, ALS)的风险较年轻态个体高12.7倍。吸烟者中，呼吸道上皮细胞(respiratory epithelial cell)极度衰老者较单纯吸烟者的肺癌风险升高58%。特定细胞脆弱性及累积细胞衰老负荷影响生存，年轻态免疫细胞与神经元类细胞具保护作用。最后，研究人员开发了多细胞衰老风险评分(polycellular aging risk score, PARS)，可在不同队列及蛋白质组学平台间分层全因死亡风险。这些发现建立了在细胞分辨率下量化人体生理状态的框架，揭示了异质性的衰老轨迹及其对疾病易感性与抵御力的影响。
论文解读：《Plasma proteomic signatures of cellular aging predict human disease》
本研究发表于《Nature Medicine》。现有研究表明生物衰老在个体内及个体间存在差异，表观遗传、转录组和蛋白质组学"衰老时钟(aging clock)"可估算器官或组织特异性生物学年龄，单细胞转录组与表观遗传时钟亦可在组织水平实现细胞类型分辨率(cell-type resolution)的衰老量化，但此类方法需获取组织标本或依赖动物模型，难以在临床大规模推广。血浆蛋白质组学衰老时钟为无创评估器官衰老提供了窗口，但其是否能反映细胞类型水平的异质性衰老及预测疾病尚不清楚。为此，研究人员利用大样本血浆蛋白质组数据，建立细胞类型特异性血浆蛋白衰老时钟，系统评估细胞水平异质性衰老模式及其与新发神经退行性疾病、癌症、慢性病及全因死亡的关联，并探讨遗传因素(APOE基因型)、生活方式与细胞衰老的相互作用，最终开发跨平台的多细胞衰老风险评分(polycellular aging risk score, PARS)用于死亡风险分层。
主要关键技术方法：
研究人员整合三个独立队列——全球神经退行性疾病蛋白质组学联盟(Global Neurodegeneration Proteomics Consortium, GNPC；n=14,281，SomaScan平台测7,289种蛋白)、英国生物样本库(UK Biobank, UKB；n=44,458，Olink Explore 3072平台测2,923种蛋白)及英国1946年全国健康与发展调查(National Survey of Health and Development, NSHD；n=1,803，SomaScan平台)——以及Knight阿尔茨海默病研究中心(Knight-ADRC, KADRC)健康人群作为训练集。从人类蛋白质图谱(Human Protein Atlas, HPA)单细胞转录组数据库中筛选在某一种细胞类型中表达量至少两倍于其他任何细胞类型的基因，将其编码蛋白映射至血浆检测蛋白作为细胞类型富集蛋白。采用弹性网络(elastic net)回归机器学习模型，以细胞类型富集蛋白的log转换标准化丰度及性别为自变量预测实际年龄(chronological age)，通过自助法(bootstrap aggregation, n=100)建立各细胞类型生物学年龄预测模型。计算个体"年龄隙(age gap)"即预测生物学年龄与同实际年龄人群均值之残差，标准化(z-score)后定义极端衰老(age gap z>2)与年轻态(age gap z<-2)。通过Cox比例风险模型、Kaplan–Meier生存分析、点二列相关(point-biserial correlation)及多因素校正评估细胞衰老特征与疾病及死亡之关联，并构建基于极端衰老二分类指标的多元Cox模型得出PARS。
研究结果
Plasma protein abundance is known to vary with age in an organ-specific manner…
研究人员将血浆蛋白映射至HPA定义的60余种细胞类型，SomaScan中16.5%(1,202/7,289)、Olink中24.2%(708/2,923)的可测蛋白被定位于特定细胞类型。不同年龄相关蛋白表达轨迹经无监督层次聚类得33簇，显著富集特定细胞类型(如肝细胞–凝血调节、B细胞–神经系统发育)及同谱系细胞。以此用KADRC健康人训练弹性网络模型，SomaScan平台保留43个、Olink平台保留48个(含14个谱系水平)细胞类型衰老时钟模型，预测年龄与真实年龄相关性达标(r≥0.25训练集，r≥0.15测试集)。
To describe normative cell-type biological aging patterns…
在GNPC健康人群(n=7,074)中，神经元与胶质细胞(施万细胞、抑制性/兴奋性神经元)晚年极端衰老比例较高(>85岁组6.4–7.1%)，肠杯状细胞与纤毛细胞早年即现加速衰老(<60岁组4.2–4.9%)。总体35.4%无极端细胞衰老，24.4%单种细胞加速衰老，1.5%≥10种细胞加速衰老；每种细胞类型中0.9–3.8%为极老、0.7–3.2%为极年轻。UKB结果相似。健康生活方式(不吸烟、不饮酒、BMI<25、规律运动、睡眠≥7h)者整体细胞年龄隙偏负，吸烟合并肥胖者广泛细胞加速衰老。APOE基因型呈拮抗作用：APOE4携带者星形胶质细胞更老、巨噬细胞更年轻(剂量依赖性)，APOE2反之。年龄隙相关性网络显示兴奋性神经元、髓鞘形成细胞及内皮细胞协同衰老，某些细胞(兴奋性神经元、施万细胞、NK细胞、巨噬细胞、骨骼肌细胞、成纤维细胞)为"衰老枢纽(hubs)"。NSHD十年追踪表明极端衰老状态具稳定性——肺泡II型细胞极端衰老保留率81%，巨噬细胞55%。
Meaningful biological age estimates should capture underlying physiological states…
在GNPC中，细胞年龄隙与神经退行性疾病诊断显著关联：ALS与骨骼肌细胞年龄隙相关最强(r=0.43, adj. P=1.36×10−15 )，伴心肌细胞加速衰老(r=0.33)；AD广泛关联，突出少突胶质前体细胞(oligodendrocyte precursor cell, OPC; r=0.15)、胰腺内分泌细胞(r=0.15)、抑制性神经元(r=0.15)、星形胶质细胞(r=0.10)，抑制性而非兴奋性神经元关联显著；FTD与NEFL-C1QL2投射神经元(projection neuron)衰老关联强。ALS患者骨骼肌极端衰老比值比(odds ratio, OR)=7.85。UKB前瞻性分析显示：骨骼肌极端衰老者ALS风险较年轻态高12.74倍(HR=12.74, log-rank P<0.0001)，且提前诊断>3年仍显著；心肌细胞极端衰老HR=6.59。星形胶质细胞极端衰老者AD风险较年轻态高12.59倍，APOE4/APOE4且星形胶质细胞极端衰老者15年累积AD发病率38.3% vs 正常衰老12.6%；各APOE基因型内星形胶质细胞极端衰老均增风险，年轻态星形胶质细胞降AD风险>60%。星形胶质细胞衰老预测力(HR=5.16)与APOE4携带状态(HR=5.30)相当，超AD多基因风险评分(polygenic risk score, PRS; HR=2.14)与实际年龄(HR=1.24)。女性对APOE4及星形胶质细胞极端衰老更易感。NSHD子研究中星形胶质细胞、OPC、少突胶质细胞、抑制性神经元年龄隙与血浆磷酸化tau-217(pTau-217)负荷正相关，OPC与抑制性神经元年龄隙与临床痴呆评定量表(Clinical Dementia Rating, CDR)及临床前阿尔茨海默认知复合(Preclinical Alzheimer Cognitive Composite, PACC)评分恶化相关。
We next investigated whether cellular aging signatures have prognostic value for cancer, stroke and chronic disease…
UKB中：肺癌——肺泡II型细胞(alveolar type 2 cell)及呼吸道上皮谱系极端衰老最具预后价值(HR=8.39/8.47)，现吸烟且两细胞均极端衰老者肺癌风险较仅吸烟高58%(HR=15.33 vs 9.69)，调整包年仍显著；2型糖尿病(type 2 diabetes)——骨髓系谱系(myeloid lineage)极端衰老HR=3.88，校正常规危险因素仍显著；慢性阻塞性肺疾病(chronic obstructive pulmonary disease, COPD)——肺泡II型细胞及呼吸道上皮谱系极端衰老HR=6.31/5.45；心力衰竭(heart failure)——肌细胞与成纤维细胞极端衰老HR=4.65/4.62；卒中(stroke)——NEFL-C1QL2投射神经元HR=3.03，小胶质细胞(microglia)HR=2.84；淋巴瘤(lymphoma)——B细胞极端衰老HR=6.63(次于粒细胞HR=10.09及T细胞HR=6.75)。
Beyond disease prediction, we investigated whether cellular aging signatures have prognostic value for all-cause mortality…
UKB全因死亡分析：肌细胞谱系(skeletal myocyte HR=4.38；muscle lineage HR=4.38/4.18)及神经元、成纤维细胞、肺泡II型细胞、骨髓系极端衰老关联最强。NSHD三时间点追踪显示随随访细胞衰老信号累积，骨骼肌细胞、抑制性神经元、星形胶质细胞HR渐升。极端衰老细胞种类呈剂量效应——无极端衰老者约90%存活，≥20种极端衰老者约34%存活；年轻态免疫或神经元谱系改善生存。基于多细胞极端衰老二元指标构建PARS，在UKB训练集、测试集及NSHD(SomaScan)中均能显著分层死亡风险(高低危组Kaplan–Meier曲线log-rank P<0.0001)，骨骼肌细胞衰老系数最大。
讨论与结论
研究人员提出并验证了基于血浆蛋白质组的细胞类型特异性衰老时钟框架，在60,542人三大独立队列中揭示细胞衰老异质性与协同模式，证明细胞类型年龄隙可跨病种、跨时间点预测新发神经退行性疾病(ALS骨骼肌细胞HR>12倍、AD星形胶质细胞HR>12倍且与APOE基因型协同)、肺癌(吸烟叠加呼吸道上皮细胞衰老增58%风险)、2型糖尿病、COPD、心衰、卒中、淋巴瘤及全因死亡。累积极端衰老细胞数与死亡风险呈剂量反应，年轻态免疫/神经元具保护效；PARS跨平台稳定分层死亡率。星形胶质细胞衰老联合APOE基因型可精细分层AD风险，年轻态星形胶质细胞显著降低APOE4携带者AD发生率，提示"炎性衰老(inflammaging)"机制及潜在干预靶点。局限含HPA细胞类型覆盖不全、转录-蛋白丰度不完全对应、血浆蛋白来源未完全解构、队列以中老年高加索人为主待多样化验证。综上，大规模血浆蛋白质组学与机器学习结合使活体无创细胞分辨率衰老量化成为可能，为解析衰老异质性、疾病易感性及韧性(resilience)提供了新框架，多细胞衰老风险评分具平台无关之临床转化潜力。
打赏
