Nature：突破！新技术或能预测机体哪个器官会最先衰竭！

就好像任何典型的汽车、房子或社会一样，我们机体各个部分功能丧失的速度也不一样，近日，一篇发表在国际杂志Nature上题为“Organ aging signatures in the plasma proteome track health and disease”的研究报告中，来自斯坦福大学医学院等机构的科学家们通过对5678名个体进行研究发现，机体的器官或许会以不同的速度发生衰老，当机体的一个器官的年龄要比其他同龄人机体的器官年龄特别大时，携带该器官的个体患与该器官相关疾病和死亡的风险就会更高。基于这项研究，研究人员指出，大约每5个50岁或以上的健康成年人中就有一个人至少机体中有一个器官在加速衰老，然而令人欣慰的是，一种简单的血液测试就能告诉我们机体哪些器官正在快速衰老，从而就能在患者临床症状出现之前进行治疗干预。

研究者Tony Wyss-Coray博士表示，我们可以估测一个表面上健康的人群机体器官的生物年龄，反过来或许也能预测个体患与该器官相关疾病的风险。目前大量研究都提出了能代表个体生物年龄的单一数字（由一系列复杂的生物标志物所暗示的年龄），而并不是其慢性年龄，即个体出生后所经历的实际年龄数。这项最新研究更进一步提出了11个关键器官、器官系统或组织的不同数字，包括心脏、脂肪、肺脏、免疫系统、肾脏、肝脏、肌肉、胰腺、大脑、脉管系统和肠道。

当研究人员将每个人机体器官的生物年龄与一大群没有明显严重疾病的个体机体的器官年龄进行比较时，他们发现，在50岁及以上的人群中，有18.4%的人至少有一种器官的衰老速度要快于平均水平，而且这些个体在未来15年里患上特定器官疾病的风险或许更高。这项研究中，每60个人中只有1人机体中的两个器官能以较快的速度发生衰老，其死亡率是没有任何明显衰老器官个体的6.5倍。利用商业上可用的技术以及研究人员自己设计的算法，他们评估了机体血液中数千种蛋白质的水平，结果发现有近1000种蛋白起源于一个或另一个单一的器官，随后他们将这些蛋白质的异常水平与器官的加速衰老、对疾病的易感性和死亡率联系了起来。

首先研究人员检查了不到1400名20岁至90岁之间，大多处于生命中后期的健康人机体血液中近5000种蛋白质的水平，并标记出基因在一个器官中的表达水平是其它任何器官4倍的所有蛋白质，最后他们发现了近900种诸如此类的器官特异性蛋白，出于可靠性的考虑，最后研究人员将这一数量减少到858种。为了做到这一点，研究人员训练了一种机器学习算法来根据这些蛋白质的水平推测个体的年龄，该算法能试图通过逐一询问“这种蛋白质是否能增强相关性”来选择与所感兴趣的特征最佳匹配的蛋白质，在这种情况下，或能加速个体或其机体特定器官的衰老。

新技术或能预测机体哪个器官会最先衰竭。

图片来源：Nature (2023). DOI:10.1038/s41586-023-06802-1

随后研究人员通过评估其他4000人的年龄来验证该算法的准确性，这些人群在某种程度上能代表美国的人群，他们利用所识别出的蛋白质来锁定用来分析的11个器官中的每一个器官，同时还测定了每名个体血液中的器官特异性蛋白的水平。尽管每个人机体中的不同器官都会存在适度的衰老同步，但这些器官在衰老过程中又是基本各自独立的。针对11个器官中的每一个器官而言，研究人员都提出了一个“年龄差距”，即器官的实际年龄与基于该算法的器官特异性蛋白驱动计算的估测年龄之间的差异；研究人员发现，在所研究的11个器官中，有10个器官的年龄差距（唯一例外的是肠道）与15年随访期多种原因所致的未来死亡风险都存在显著关联性。

拥有一个加速衰老器官的个体在未来15年的死亡风险会高出15%至50%，具体取决于哪个器官会受到影响，有研究表明，心脏加速衰老但期初并未表现出活动性疾病或临床异常生物标志物的个体患心力衰竭的风险是心脏正常衰老个体的2.5倍。那些大脑“衰老”的个体在5年内出现认知功能下降的可能性是“年轻”大脑个体的1.8倍，大脑或血管的加速衰老（无论是哪一种）都能帮助预测个体阿尔兹海默病的进展风险，就好像目前使用的最好的临床生物标志物一样。研究者表示，极度衰老（高于标准2个标准差以上）的肾脏评分与高血压和糖尿病之间存在较强的相关性，同样，极度衰老的心脏评分与心房颤动和心脏病发作之间也存在很强得相关性。如果能在5万或10万名个体中再现这一研究发现，这或许就意味着，通过监测表面上看起来健康的个体机体多个器官的健康程度，或许就能发现机体中正在加速衰老的器官，研究人员或许就能在个体患病之前对其及时治疗。

研究表示，识别出器官特异性蛋白或许就最能揭示过度衰老的器官，从而导致机体患病风险增加，也有可能会帮助提供新型药物靶点。综上，本文研究结果表明，研究人员所开发的新型模型或能将血管钙化、细胞外基质改变和突触大白的脱落与机体早期认知功能下降联系起来，同时他们还引入了一种简单且容易解释的方法，能利用血浆蛋白质组学数据预测机体的疾病风险和衰老效应。（生物谷Bioon.com）

原始出处：

Oh, H.SH., Rutledge, J., Nachun, D. et al. Organ aging signatures in the plasma proteome track health and disease. Nature 624, 164–172 (2023). doi：10.1038/s41586-023-06802-1