Plasmaproteine enthüllen drei metabolische Alterungs-Sprungpunkte im Alter von 44, 51 und 63 Jahren

Als die Weltbevölkerung altert, ist die Identifizierung messbarer, prädiktiver Biomarker des metabolischen Abbaus zu einer Public-Health-Priorität geworden. Das chronologische Alter ist ein unvollkommener Stellvertreter für das biologische Altern, was die Suche nach molekularen Uhren motiviert, die individuelle Alterungsverläufe besser erfassen. Diese Studie schloss diese Lücke mithilfe eines der größten je für die Altersforschung zusammengestellten Plasma-Proteomik-Datensätze.

Das Team entwickelte einen Metabolic Age (MA)-Score mithilfe eines LASSO-Cox-Regressionsmodells, das auf 203.491 UK Biobank-Teilnehmer mit kernmagnetischen Resonanz-(NMR)-Metabolomik-Daten angewendet wurde. Achtzehn metabolomische Indikatoren wurden ausgewählt, wobei Glykoprotein-Acetylen, der Grad der Fettsäureungesättigtheit und der VLDL-Partikeldurchmesser als einflussreichste eingestuft wurden. MA korrelierte stark mit dem chronologischen Alter (Spearmans r = 0,876), lieferte jedoch über traditionelle Risikofaktoren hinaus einen bedeutsamen prädiktiven Wert und verbesserte die C-Indizes für Mortalität, CVD und T2D auf bis zu 0,786. Beschleunigtes metabolisches Altern war mit einem 30–66 % höheren Risiko für Tod und kardiometabolische Erkrankungen, kürzerer Telomerlänge und höheren Frailty-Index-Werten assoziiert.

Bei 24.920 Teilnehmern mit sowohl metabolomischen als auch proteomischen Daten (Olink Explore 3072-Plattform, die 2.923 Proteine misst) identifizierten proteomweite Analysen Proteine, die signifikant mit jedem Alterungsphänotyp assoziiert waren: 535 mit Mortalität, 626 mit Frailty, 1.924 mit MA und kleinere Zahlen mit CVD, T2D und Telomerlänge. Sechzig Proteine waren gleichzeitig mit allen sechs Phänotypen assoziiert und bildeten ein zentrales metabolisches Alterungsproteom. Elf Proteine waren besonders herausragend: GDF15 und PLAUR rangierten bei allen sechs Phänotypen unter den Top 20; TNFRSF10B, IFI30, HGF und WFDC2 bei fünf; und TNFRSF10A, COL6A3, PIGR, IGFBP4 und EDA2R bei vier. Diese Proteine gruppieren sich um Zytokin-Signalwege, Immunregulation und Signalwege der extrazellulären Matrix-Remodellierung.

Der neuartigste Beitrag der Studie ist die Analyse der differenziellen Expression mittels gleitendem Fenster, die an 7.092 Teilnehmern durchgeführt wurde und zeigte, dass Plasmaproteinveränderungen während des metabolischen Alterns nicht linear, sondern wellenartig verlaufen. Drei ausgeprägte Peaks differenziell exprimierter Proteine traten bei metabolischen Altern von 44, 51 und 63 Jahren auf, jeweils mit teilweise einzigartigen Proteinsignaturen. Neun Proteine – darunter IL6, HAVCR2, LGALS9, PLAUR, TNFRSF10B und WFDC2 – waren bei allen drei Peaks signifikant. Die Pathway-Anreicherungsanalyse zeigte, dass die Welle im Alter von 44 Jahren Abwehrreaktionen gegen Bakterien und Zytokin-Rezeptor-Interaktionen umfasste; die Welle im Alter von 51 Jahren konzentrierte sich auf die Entzündungsreaktion; und die Welle im Alter von 63 Jahren hob die zelluläre Reaktion auf Lipopolysaccharide und Zytokin-Zytokin-Rezeptor-Interaktionen hervor. Das Clustering von Proteinverläufen identifizierte drei Gruppen: zwei mit linearen MA-assoziierten Anstiegen und eine mit nichtlinearen (beschleunigenden) Anstiegen, was auf heterogene Alterungsdynamiken in verschiedenen biologischen Systemen hindeutet.

Die Ergebnisse sind in Trainings- und Validierungsdatensätzen robust, mit einer direktionalen Konsistenz von 99,1–99,9 %. Wesentliche Einschränkungen umfassen die überwiegend weiße, relativ gesunde und mittel- bis ältere Bevölkerung der UK Biobank, was die Verallgemeinerbarkeit einschränkt. Der Querschnittscharakter der proteomischen Messungen schließt eine definitive Kausalinferenz aus. Dennoch eröffnet die Identifizierung diskreter Surge-Punkte im Alter von 44, 51 und 63 Jahren einen überzeugenden Rahmen für die zeitliche Abstimmung präventiver Interventionen zur Bekämpfung des beschleunigten metabolischen Alterns.