血蛋白质组中的细胞衰老特征记录人类的健康和疾病

科学领域:

• 蛋白质组学是指蛋白质组学.
• 生物老龄化 生物老龄化
• 机器学习 机器学习

背景情况:

• 衰老是一个复杂的过程,细胞和器官之间存在差异.
• 血蛋白反映细胞特异性衰老和预测健康结果的能力尚不清楚.
• 了解细胞衰老对于预测疾病风险和死亡率至关重要.

研究的目的:

• 开发机器学习模型,使用等离子体蛋白质组学估计40多种细胞类型的生物年龄.
• 在一个大型的人群中研究细胞衰老特征的异质性.
• 确定细胞衰老特征是否预测疾病发病率和死亡率.

主要方法:

• 利用来自6万多个人的血蛋白质组数据的机器学习模型.
• 不同细胞类型的估计生物年龄,包括神经元,免疫和肌肉骨起源.
• 在15年内分析了细胞衰老,遗传因素 (APOE),疾病状况和死亡率之间的关联.

主要成果:

• 确定了异质的衰老特征,其中很大一部分个体在特定细胞类型中表现出加速衰老.
• APOE基因型对细胞类型 (例如,星球细胞与巨细胞) 的衰老有不同的影响.
• 细胞衰老特征预测了发生性疾病,如ALS和阿尔茨海默病 (AD),以及死亡率,具体例子包括骨肌细胞衰老对ALS和星细胞衰老对AD风险.

结论:

• 血蛋白质学可以在细胞分辨率上量化生物衰老,揭示个体衰老异质性.
• 细胞特异性衰老模式与不同的疾病风险和死亡率有关.
• 多细胞衰老风险得分有效地分层死亡风险,突出显示累积细胞衰老负担的重要性.