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共同完成，利用英国生物样本库（UK Biobank, UKB）的血液蛋白组学数据作为开发队列，建立了一个创新的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）中得到了进一步验证。研究结果显示，204种蛋白标志物能够精确预测实际年龄，并且与18种主要慢性病的发病率、多重疾病及全因死亡风险密切相关。

研究背景：衰老过程会导致生理完整性和功能的逐步丧失，最终引发重大疾病和死亡。因此，时间年龄（Chronologic Age）被广泛应用作为“生物”衰老的常规度量，但这一方法存在一些缺陷。通过利用“组学”数据捕捉个体的生物功能水平，并与时间年龄的预期功能进行对比，可以更加准确地评估生理年龄（Biological Age）及身体健康状况。

在UKB测试集、CKB和FinnGen的独立验证中，ProtAge模型展现出优异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）。此外，研究发现一个包含20个蛋白的模型（ProtAge20）能够实现与完整模型相似的年龄预测能力。

蛋白组年龄预测：研究表明，ProtAge模型有效预测了衰弱与衰老表型，揭示了与年龄相关的生理、身体及认知功能的相关性。同时，蛋白组学年龄还可以预测与不同年龄特异性相关的常见疾病风险和死亡率。

研究对比了ProtAge模型与现有的DNA甲基化时钟和蛋白组学衰老时钟，发现二者在选定的蛋白和基因重叠上较少，表明其可能侧重于不同的基因集。此外，在现有蛋白组学年龄时钟中，64%的ProtAge APs未被先前研究识别，显示该研究提供了一组相对新颖的预测蛋白。这些发现强调了不同生物标志物可能揭示衰老过程的多样性，为理解衰老的复杂性提供了新视角。

最重要的Top 20蛋白：研究依据三个国家的大规模人群队列项目（UKB、CKB和FinnGen）联合，采用Olink血浆蛋白组学作为测量生物年龄的强大工具，探索了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。结果显示，开发蛋白组学衰老时钟能够作为识别疾病多重性的生物学机制的可靠工具，并可为潜在药物治疗方法或生活方式干预的制定提供科学支持，以降低早死风险，延缓与年龄相关的疾病。

总之，这项研究为衰老过程的生物机制提供了全新的视角，同时可为利来国际在生物医疗领域的应用及发展提供有力支持，助力健康老龄化和老年病防控的发展方向。