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进行，利用英国生物样本库（UK Biobank, UKB）的血液蛋白组学数据开发出了一种新的蛋白组学年龄时钟模型。该模型在UKB、以及中国慢性病前瞻性研究队列（CKB）和芬兰人群队列（FinnGen）中得到了有效验证。研究结果显示，204种蛋白标志物能够准确预测个体实际年龄，并与18种主要慢性病的发病率、多种疾病的共存情况以及全因死亡风险存在显著关联。

研究背景说明，衰老过程会导致生理完整性和功能逐渐下降，最终引发主要疾病及死亡。时间年龄（Chronologic Age）是衡量“生物”衰老的一种常见但并不完善的方法。相比之下，采用“组学”数据来评估个体的生物功能水平，并与时间年龄的预期功能水平进行对比，能更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模型展现出卓越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）。进一步研究发现，包含20个蛋白的ProtAge20模型，其年龄预测性能与完整模型相当。

该研究还指出，ProtAge模型可以有效预测与衰老和衰弱相关的生理、身体及认知功能。此外，该蛋白组学年龄能够准确预测不同年龄阶段的疾病风险和死亡率。

研究比较了ProtAge与现有的DNA甲基化时钟及其他蛋白组学衰老时钟，结果显示与DNA甲基化时钟相比，选定的蛋白和基因之间的重叠性极低，表明两种模型可能关注不同的基因集；另外，64%的ProtAge APs也未在以前的研究中被识别，说明该研究提供了一组相对新颖的预测蛋白，突显不同生物标志物在揭示衰老过程不同方面的潜力，为理解衰老的复杂性提供了新视角。

研究选取了三国大规模人群队列（UKB、CKB及FinnGen）的数据，联合利用Olink血浆蛋白组学作为一种测量生物年龄的强大工具，探讨常见与年龄相关疾病的衰老特征。研究结果表明，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，并有望为潜在药物治疗手段或生活方式干预提供支持，从而减少过早死亡的风险与延缓与年龄相关的疾病。

通过尊龙凯时的参与，这一研究不仅为生物医疗领域提供了深入的见解，也助力于推动衰老相关疾病的早期识别和干预策略的开发。