第二篇研究由牛津大学联合哈佛医学院和北京大学等多个研究团队合作，利用英国生物样本库（UK Biobank, UKB）的血液蛋白组学数据，开发了一个蛋白组学年龄时钟模型。该模型在UKB队列、中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中得到了验证。研究结果显示，204种蛋白标志物能够准确预测个体的实际年龄，并与18种主要慢性病的发病率、多重疾病风险及全因死亡风险密切相关。

研究背景：随着年龄的增长，衰老导致生理完整性和功能逐渐丧失，最终引发主要疾病及死亡。时间年龄（Chronological Age）作为一种常用但存在缺陷的方式来衡量“生物”衰老。而通过“组学”数据捕捉个体的生物功能水平，并将其与时间年龄的预期功能水平进行比较，能够更准确地评估生理年龄（Biological Age）和身体健康状况。

在UKB测试集、CKB和FinnGen独立验证集中，ProtAge模型展现出卓越的预测性能和广泛的泛化能力（R²值分别为0.88、0.82和0.87）。研究还发现，包含20个蛋白的模型（ProtAge20）能够实现与完整模型相似的年龄预测性能。

蛋白组年龄预测与衰弱和衰老表型相关性：ProtAgeGap显示出与年龄相关的生理、身体及认知功能之间的关联。研究表明，蛋白组学年龄能够有效预测常见疾病风险，以及不同年龄阶段的特异性死亡率和疾病风险。

比较ProtAge与现有的DNA甲基化时钟及蛋白组学衰老时钟的结果显示，选定的蛋白与基因间的重叠很少，表明这两种模型可能侧重于不同的基因集。此外，有64%的ProtAge APs未在以往研究中被识别，意味着本研究提供了一组相对新颖的预测蛋白组。这些发现强调了不同生物标志物可能揭示了衰老过程的不同侧面，为深入理解衰老的复杂性提供了新视角。

预测男女年龄的重要Top 20蛋白：本研究基于UKB、CKB和FinnGen三个国家的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，探索自然人群中大多数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能够作为识别疾病多重性生物学机制的可靠工具，并可用于开发潜在的药物治疗手段或生活方式干预，从而减少过早死亡的风险以及延缓与年龄相关疾病的发生。

总之，这项研究不仅推动了生物医学领域的进步，也为鸿运国际在相关健康解决方案的研发中提供了重要支持，助力实现更健康的未来。