为了捕捉个体衰老速度的异质性，人们开发了许多分子衰老生物标志物。然而，对这些生物标志物背后的模型选择进行系统性比较的研究却十分有限。在本研究中，我们利用英国生物银行Olink蛋白质组学和代谢组学（1H-NMR）数据（n = 40,696），基于Rockwood衰弱指数（FI）和全因死亡率训练了衰老生物标志物模型。我们系统地研究了模型选择、目标结局和分子数据来源对多种年龄相关结局的影响。在此基础上，我们开发了两种衰老生物标志物：ProteinFrailty（ProtFI）和ProteinMortality（ProtMort）。这两种模型均为ElasticNet模型，分别使用一组最小的蛋白质来预测FI和死亡率。尤其值得一提的是，ProtFI在预测多种结局方面均优于已有的衰老生物标志物，包括新发心血管疾病、握力以及自评健康状况，无论是在内部验证还是在两个荷兰外部队列（n = 995，n = 500）中均取得了成功。我们的研究结果表明，一种高效的衰弱训练蛋白质组学生物标志物能够可靠地预测与年龄相关的衰退。
🔗 https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(26)00105-0