基于数据非依赖采集质谱的俄罗斯横断面队列中年龄相关血浆蛋白特征与蛋白质组学年龄估算

《International Journal of Molecular Sciences》:Age-Associated Plasma Protein Signatures and Proteomic Age Estimation by Data-Independent Acquisition Mass Spectrometry in a Russian Cross-Sectional Cohort

【字体: 大 中 小 】 时间:2026年09月30日 来源:International Journal of Molecular Sciences 5.6

编辑推荐:

  摘要专业翻译 根据分子谱可以估算时间年龄(chronological age);然而,仅凭预测准确性并不能确立一个经生物学验证的衰老时钟(ageing clock)。因此,研究人员评估了在俄罗斯莫斯科的一个横断面队列中,通过数据非依赖采集质谱(data-ind

  
摘要专业翻译 根据分子谱可以估算时间年龄(chronological age);然而,仅凭预测准确性并不能确立一个经生物学验证的衰老时钟(ageing clock)。因此,研究人员评估了在俄罗斯莫斯科的一个横断面队列中,通过数据非依赖采集质谱(data-independent acquisition mass spectrometry,DIA-MS)测量的血浆蛋白强度是否支持时间年龄估算,同时明确检验了采集顺序和质谱(MS)批次混杂因素。来自350名年龄在19.8至99.1岁之间的成年参与者的血浆样本,在Q Exactive HFX平台上以单次进样、单针DIA-MS采集方式进行分析。最终矩阵包含222个蛋白组(protein groups),由DIA-NN 1.8.1版本通过两轮预测文库辅助工作流程生成,采用跨运行前体水平归一化、归一化MaxLFQ样蛋白组定量,以及1%前体和蛋白组假发现率(false-discovery rate,FDR)阈值。描述性关联采用Spearman秩相关并结合Bonferroni校正进行评估。特征选择与缺失值插补仅限定于各训练子集。泛化性能主要通过完全留出质谱批次进行评估,并以重复、嵌套和随机五折分析作为内部比较。在222种蛋白质中,148种在名义阈值p < 0.05下与时间年龄相关,98种在Bonferroni校正后仍然显著。最强的描述性关联涉及纤维蛋白原β链(FGB;rs = 0.590)、SERPINA3(rs = 0.560)、ITIH4(rs = 0.542)、补体C5(rs = 0.538)和铜蓝蛋白(ceruloplasmin;rs = 0.518)。在内部随机分割分析中,50特征梯度提升(Gradient Boosting)策略在重复五折交叉验证中产生平均绝对误差(mean absolute error,MAE)= 8.90 ± 1.06年,在嵌套交叉验证中MAE = 9.10 ± 1.10年。然而,当完全留出质谱批次时,采用批次分层分配的聚合MAE增至10.56年(R2 = 0.554),采用GroupKFold时增至11.87年(R2 = 0.461)。这些批次留出结果构成了当前数据集泛化性能的主要估计。为评估误差与检测复杂性之间的权衡,研究人员比较了在每个训练折内选择的5、8、10、12、15、20、30和50种蛋白质策略。8特征策略在重复随机交叉验证中产生MAE = 11.83年,而50特征策略产生MAE = 8.90年。这些估计涉及特征数量策略,而非固定面板。事后八蛋白列表仅作为未来独立验证的探索性候选集予以报告。采集顺序与时间年龄相关(rs = 0.336,p = 1.03 × 10?10),且年龄和性别分布在27个质谱批次间存在显著差异。仅凭顺序即可在阴性对照模型中以MAE = 3.98年预测年龄,表明年龄信息被编码在采集设计中。因此,当前发现仅支持在该数据集内进行血浆蛋白质组学预测时间年龄的概念验证;它们并未确立一个批次无关的模型、临床工具或经生物学验证的衰老时钟。

论文解读

一、研究背景与问题

人类衰老是一个涉及分子、生理和功能层面的复杂多级过程,个体间的衰老速率存在显著差异,因此时间年龄仅能大致反映机体的生物学状态。同一日历年龄的个体在功能状态、疾病负担、衰弱程度和死亡风险上可能差异巨大。这一观察催生了“分子衰老时钟”的概念——即从分子或临床特征估算个体年龄相关生物学状态的模型。目前研究最深入的衰老时钟主要基于DNA甲基化模式(如Horvath时钟、GrimAge)或临床生化参数(如Klemera–Doubal方法、PhenoAge模型)。然而,一个关键区别在于:成功预测时间年龄本身并不等同于模型测量了生物学年龄,临床和生物学相关性需要独立的证据,例如与死亡率、功能衰退、疾病发生或纵向衰老轨迹的关联。
血浆蛋白质组学为衰老研究提供了独立的视角:血浆蛋白反映炎症信号通路、凝血系统、补体级联、组织重塑、代谢及器官特异性生理状态。基于亲和力平台(如SOMAscan和Olink)的研究已表明数百至数千种血浆蛋白随年龄变化,蛋白质组学衰老可能呈现非线性轨迹,且蛋白质组学时钟可与疾病和死亡率相关联。但亲和力平台测量的是预设蛋白集,本质上依赖于所用试剂面板的组成。基于质谱的蛋白质组学提供了更开放的策略,不受预设靶标列表限制。其中,数据非依赖采集质谱(DIA-MS)结合DIA-NN等数据处理软件,能够在大型样本系列中实现可重复的蛋白质定量评估。
既往已有研究利用质谱蛋白质组学预测年龄,如Salignon等人结合血浆蛋白质组和小RNA数据表明基于蛋白的模型可以预测年龄。本研究的特定贡献在于:在俄罗斯350名参与者队列中,评估完全基于DIA-MS的分析工作流程,使用标准化222种血浆蛋白面板,并采用将特征选择限定于训练数据的验证方案。研究需要解决的核心分析问题是:该队列中DIA-MS测量的血浆蛋白强度是否包含支持时间年龄预测的年龄相关信号,以及该信号在防泄漏随机验证和完整批次留出条件下如何表现。此外,研究还面临一个重要的方法学挑战——采集设计本身可能与年龄和性别存在混杂,需要通过严格的验证策略加以识别和量化。

二、研究内容与主要结论

本研究分析了来自俄罗斯莫斯科皮罗戈夫俄罗斯国立研究医科大学老年学临床研究中心生物样本库的350名成人血浆样本,年龄范围19.8至99.1岁,其中女性231人(66.0%)、男性119人(34.0%),且性别失衡在高龄组更为显著。研究人员评估了DIA-MS血浆蛋白质组学是否支持时间年龄预测,并系统检验了采集顺序和质谱批次对模型性能的影响。
研究得出以下核心结论:描述性分析发现222种蛋白中148种在名义阈值下与年龄相关,98种在Bonferroni校正后仍显著,最强关联涉及纤维蛋白原β链(FGB)、SERPINA3、ITIH4、补体C5和铜蓝蛋白等炎症、凝血和补体系统相关蛋白。在防泄漏的随机分割分析中,50特征梯度提升策略达到MAE = 8.90 ± 1.06年(重复五折交叉验证)和9.10 ± 1.10年(嵌套交叉验证)。然而,当完全留出质谱批次时,MAE增至10.56年(批次分层分配)和11.87年(GroupKFold),这两个批次留出估计构成了泛化性能的主要评估。更重要的是,采集顺序与年龄显著相关(rs = 0.336),仅凭采集顺序即可在阴性对照模型中以MAE = 3.98年预测年龄,证明年龄信息被编码在采集设计中。因此,研究结果仅支持概念验证,而非已确立的批次无关模型、临床工具或经生物学验证的衰老时钟。

三、关键技术方法

本研究采用的主要技术方法包括:基于Q Exactive HFX平台的单针单次进样DIA-MS分析,色谱分离使用Ultimate 3000 RSLCnano纳升液相系统在线耦联质谱仪;DIA-NN 1.8.1版本的两轮预测文库辅助工作流程进行蛋白鉴定与定量,以1%前体和蛋白组FDR阈值过滤;样本来自俄罗斯莫斯科的横断面队列(350名参与者,年龄19.8–99.1岁);统计与机器学习分析在Python 3.12环境中完成,使用Spearman秩相关进行描述性关联分析,并采用四种回归算法(岭回归、弹性网络、随机森林、梯度提升)构建预测模型;验证策略包括重复五折交叉验证、嵌套交叉验证以及完整质谱批次留出(GroupKFold和批次分层分配)。

四、研究结果

2.1 队列特征与DIA-MS蛋白质组覆盖

研究纳入350名参与者,年龄范围19.8至99.1岁,女性占66.0%。性别失衡随年龄增长加剧:60–74岁组有68名女性和仅15名男性,≥75岁组有54名女性和15名男性。DIA-MS分析生成了包含222个蛋白组的半定量强度矩阵,反映了未进行高丰度蛋白免疫耗竭的标准化30分钟工作流程所能达到的覆盖范围。

2.2 描述性年龄相关血浆蛋白

Spearman相关分析显示,222种蛋白中148种(66.7%)在p < 0.05名义水平上与时间年龄显著相关,98种(44.1%)在Bonferroni校正后仍显著。最强的正相关包括FGB(rs = 0.590)、SERPINA3(rs = 0.560)、ITIH4(rs = 0.542)、补体C5(rs = 0.538)和铜蓝蛋白(rs = 0.518)。这些标志物分布在凝血系统与急性期反应、补体系统、氧化应激与金属稳态等生物学簇中。经性别调整后,C1抑制剂(rs = 0.539)和SERPINA3(rs = 0.520)成为最强关联,但该分析不能证明独立于采集顺序和质谱批次。

2.3 内部防泄漏随机分割与嵌套验证

在重复五折交叉验证中,50特征梯度提升策略表现最佳,15个折级MAE的算术均值为8.90 ± 1.06年,R2 = 0.698 ± 0.078。随机森林表现相当(MAE = 8.93 ± 1.27年)。嵌套交叉验证(外环五折、内环三折选择算法和特征数)产生MAE = 9.10 ± 1.10年,这是最保守的内部随机分割估计,但不能防止采集设计混杂。全队列外折预测的聚合MAE为8.93年,女性MAE = 8.19年、男性MAE = 10.37年,但男性高龄组仅15人,这些亚组结果仅为探索性。

2.4 减少特征数量策略与探索性候选面板

研究比较了5、8、10、12、15、20、30和50个特征的策略,蛋白在每个训练折内重新选择。梯度提升的MAE从5特征时的13.38年降至50特征时的8.90年。8特征策略MAE = 11.83年。事后固定的八蛋白面板(FIBB、AACT、ITIH4、CO5、CERU、C4BPA、AMBP、HEMO)来自全队列描述性排序,在2/5折中与训练折内选择的蛋白完全匹配,其余三折共享7/8蛋白,但该面板未经独立验证,仅为探索性候选集。

2.5 性别与年龄敏感性

基于预定义五折外折预测向量,女性MAE = 8.19年(95% CI,7.15–9.27),男性MAE = 10.37年(95% CI,8.76–12.09)。平均预测残差从18–24岁的+8.95年偏移至≥75岁的?10.29年,符合回归均值模式。≥75岁男性MAE高达19.10年,但该亚组仅15人。研究强调这些差异不应被解释为性别特异的衰老生物学差异,可能受队列和采集结构影响。

2.6 主要完整批次留出评估与采集设计敏感性

采集顺序与年龄显著正相关(rs = 0.336,p = 1.03 × 10?10),年龄和性别分布在27个质谱批次间差异显著。元数据仅阴性对照模型中,采集顺序单独预测年龄MAE = 3.98年(R2 = 0.924),质谱批次单独MAE = 5.11年,三者组合MAE = 3.85年。在匹配的随机五折分析中,50特征蛋白策略聚合MAE = 8.92年;而完整批次留出时,批次分层分配MAE = 10.56年(R2 = 0.554),GroupKFold MAE = 11.87年(R2 = 0.461)。随机分割模型的残差仍与采集顺序相关(rs = ?0.202)且在不同批次间差异显著。主成分分析显示强批次结构(PC1和PC2的批次η2分别为0.850和0.876)。同时调整性别、采集顺序和批次的探索性偏秩分析无蛋白通过Bonferroni阈值,因为年龄与顺序和批次高度共线。

五、讨论总结

研究讨论部分指出,DIA-MS血浆蛋白强度确实包含与时间年龄相关的信号,但采集顺序和质谱批次也强烈编码了年龄信息。因此,完整批次留出的MAE = 10.56–11.87年应被视为泛化性能的主要估计,而随机分割中较低的误差(8.90年和9.10年)仅为同一采集设计内的内部比较。特征选择限定于训练子集解决了特征选择泄漏问题,但不能解决随机折仍可能共享采集设计结构的问题。生物学解释方面,最强标志物与凝血系统、急性期反应、补体系统和氧化应激相关,符合“炎症衰老”(inflammageing)概念,但由于缺乏详细临床协变量(如BMI、吸烟状态、用药、CRP水平、合并症),这些关联不能明确归因于衰老本身。与既有衰老时钟(如Horvath时钟、GrimAge、PhenoAge)相比,本模型未经死亡率、健康寿命或疾病结局的验证,仅能就预测误差进行比较。队列的性别和年龄失衡是核心局限,横断面设计无法捕捉个体分子衰老速率。数据可用性方面,完整蛋白质组数据集控制权在合作机构,目前无法公开获取。

六、结论翻译

本研究证明,基于DIA-MS的血浆蛋白质组学能够识别年龄相关的蛋白模式,并在莫斯科350名参与者队列中支持时间年龄预测的概念验证。描述性相关分析识别出148种在名义阈值p < 0.05下与时间年龄显著相关的蛋白质,其中98种在Bonferroni校正后仍然显著。最强关联涉及炎症、凝血、补体系统激活、氧化应激和血红素代谢相关蛋白。总体而言,所得蛋白特征与炎症衰老概念一致;然而,在缺乏详细临床协变量的情况下,无法清楚区分时间衰老与未测量因素(如亚临床炎症、合并症和生活方式)的贡献。在特征选择限定于各训练子集的条件下,内部随机分割分析在重复交叉验证中产生MAE = 8.90年,嵌套交叉验证中MAE = 9.10年。更重要的是,完整批次留出产生MAE = 10.56–11.87年,因此构成当前数据集泛化性能的主要估计。8特征策略在重复随机交叉验证中MAE = 11.83年;特定固定八蛋白列表仅为事后探索性候选集,未经独立验证。该模型预测的是时间年龄而非生物学年龄,未经外部验证,也未针对死亡率、功能衰退、疾病发生或纵向衰老轨迹进行测试。队列存在性别和年龄失衡,详细临床和生活方式协变量不可用,222蛋白矩阵不代表全面的血浆蛋白质组覆盖。最重要的是,年龄和性别在采集顺序和质谱批次上存在强结构混杂。因此,研究结果应被视为该数据集内的概念验证证据。独立验证需要在前瞻性随机化或按年龄、性别、运行顺序和批次平衡的队列中进行,并预设质量控制程序和临床相关结局。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号