《GeroScience》：Whole blood transcriptional signatures of age and survival identified in long life family and integrative longevity omics studies
编辑推荐：
为探究极端长寿人群的分子机制，研究人员通过分析长寿家族研究（LLFS）与整合长寿组学研究（ILO）队列的全血转录组数据，系统鉴定了与年龄显著相关的8271个转录本及其富集通路（如炎症、衰老），发现了314个与死亡风险相关的转录本，并构建了可预测死亡风险的转录组时钟，为理解健康衰老与寻找干预靶点提供了重要线索。
衰老是每个人都要面对的生命历程，但人群中总有一些“幸运儿”能够冲破时间的桎梏，健康地活到百岁以上，达到所谓的“极端长寿”。这不仅让人羡慕，也引起了科学家们极大的兴趣：这些长寿老人体内，是否隐藏着抵抗衰老、延缓疾病的“秘密武器”？如果能破解这些秘密，或许就能为普通人找到通往健康长寿的钥匙。然而，衰老的生物学过程极其复杂，涉及全身多个系统的分子水平改变。尽管已有不少研究探索了血液中的蛋白质、代谢物等分子随年龄的变化，但对于血液中基因表达（即转录组）的全面认识，尤其是在那些本就携带着“长寿基因”的家庭中，如何随年龄演变并与生存紧密联系，仍有许多未知。因此，深入剖析长寿人群的血液转录组特征，对于揭示衰老的分子基础、识别与死亡风险相关的生物标志物，以及发现潜在的抗衰老干预靶点，具有重大的科学意义。
近期，一项发表在《GeroScience》杂志上的研究，为解答这些问题提供了重要的新见解。这项研究利用了两个独特且珍贵的人群队列：长寿家族研究（LLFS）和整合长寿组学研究（ILO）。LLFS专门招募了家族成员普遍长寿的家庭，而ILO则纳入了百岁老人、他们的子女及配偶。研究人员分析了来自LLFS的2167名年龄跨度为18至107岁参与者的16284个RNA测序（RNA-seq）转录本数据，并在ILO的419名60至108岁参与者数据中进行了验证。研究旨在识别与年龄和死亡风险稳健相关的血液转录组特征，构建能够预测生物年龄的“转录组时钟”，并探索这些特征在长寿人群中的独特性。为了完成这一目标，研究团队运用了一系列关键技术与方法。首先，他们从参与者外周血PAXgene RNA管中提取总RNA，使用标准化的RNA-seq文库制备流程和高通量测序平台（如Illumina NovaSeq X Plus）生成数据。其次，利用成熟的生物信息学分析流程（如nf-core/rnaseq）进行质控、比对（使用STAR软件）和基因表达定量（使用Salmon或RSEM软件）。接着，通过线性混合效应模型（使用R包GENESIS）或线性模型分析基因表达与年龄的关联，并通过Cox比例风险模型分析其与死亡风险的关联。此外，还应用了基因集富集分析（GSEA，使用MSigDB数据库和hypeR、fgsea等工具）、加权基因共表达网络分析（WGCNA）以及弹性网络回归（使用glmnet R包）来构建和校正转录组衰老时钟。
研究结果
参与者特征
研究最终纳入了LLFS队列的2167名参与者和ILO队列的419名参与者，年龄范围分别为18-107岁和60-108岁，为分析年龄相关的广泛变化提供了良好基础。
Chronological age impacts the expression of multiple genes（年龄对多个基因的表达产生影响）
在LLFS队列中，研究人员发现了4227个转录本（对应3777个基因）的表达随年龄增长而上升，4044个转录本（对应3710个基因）的表达随年龄增长而下降。其中，与细胞外基质和免疫相关的基因如CD248、NT5E以及原癌基因MYC表达下调；而与上皮-间质转化、衰老相关的基因如ZEB2和LGR6表达上调。许多表达下降最显著的基因涉及免疫功能，如N4BP3、CCR6、TCF7、CD27和CD28。
Successful replication of genes associated with age（成功复现与年龄相关的基因）
研究发现，在LLFS中鉴定出的年龄相关基因特征，与Peters等人之前发表的研究（基于普通人群）高度一致（Z分数相关性R=0.78）。更重要的是，在另一个独立的长寿队列ILO中也得到了强力验证（基因效应估计值相关性R=0.82，在显著基因中达R=0.94），证明了这些年龄相关转录组特征的稳健性和可重复性。
Functional annotation shows multiple biological processes affected by age（功能注释揭示了受年龄影响的多个生物学过程）
富集分析显示，随年龄上调的基因显著富集于炎症和应激相关通路，如干扰素γ反应、TNF-α信号通路等。针对衰老细胞的基因集（SenMayo）也在上调基因中显著富集，直接提示了血液中细胞衰老信号的增加。相反，随年龄下调的基因则富集于与细胞生长和增殖相关的通路，如MYC靶基因、E2F靶基因和Wnt/β-连环蛋白（Wnt/β-catenin）信号。通过WGCNA分析，研究者进一步将2550个最显著的年龄相关基因聚类成12个共表达模块。例如，最大的“绿松石色模块”（以IFNGR2为枢纽基因）富含炎症相关基因，而“蓝色”、“棕色”等模块（枢纽基因分别为TCF7、EVL）则富含下调的MYC靶基因等，系统地揭示了衰老过程中免疫激活与细胞增殖能力下降的协同变化网络。
Several blood transcripts predict mortality risk（多个血液转录本可预测死亡风险）
生存分析鉴定出314个与死亡风险显著相关的转录本。其中，122个转录本（对应122个基因）的高表达与死亡风险增高相关，其富集通路包括MYC靶基因、E2F靶基因和血红素代谢等。而192个转录本（对应175个基因）的高表达与死亡风险降低相关，其富集通路包括自然杀伤（NK）细胞介导的细胞毒性和G蛋白偶联受体（GPCR）信号等。
A subset of aging markers is uniquely associated with age in long-lived individuals（一部分衰老标志物与长寿个体的年龄具有独特关联）
通过对比普通人群研究（Peters等）与两个长寿队列（LLFS和ILO），研究人员发现了286个（176个上调，110个下调）仅在长寿队列中与年龄显著相关，而在普通人群中不相关的基因。这些独特基因的富集通路包括IL6-Jak-Stat3信号、p53通路、有丝分裂纺锤体、紫外线（UV）反应和糖酵解等。其中14个基因同时与LLFS中的死亡风险相关，提示它们可能是连接长寿表型与生存优势的关键分子。
Age acceleration derived from a transcriptomic clock predicts increased mortality risk（基于转录组时钟得出的年龄加速可预测死亡风险增加）
研究者利用弹性网络回归构建了一个包含1432个转录本的“转录组时钟”来预测生物年龄。预测年龄与实际年龄之间存在系统偏差，经Cole等人提出的方法校正后，计算得出“Δ年龄”（校正预测年龄-实际年龄）。生存分析表明，Δ年龄作为连续变量，每增加一岁，死亡风险增加10.8%（HR=1.108）。若将参与者分为三组：预测年龄比实际年龄年轻超过3岁（“减速衰老”）、相差在3岁以内（“正常”）、预测年龄比实际年龄年老超过3岁（“加速衰老”），则“加速衰老”组的死亡风险是“正常”组的1.561倍，而“减速衰老”组的死亡风险则降低了约36%。这有力证明了基于血液转录组的生物年龄加速是死亡风险的一个强预测因子。
研究结论与讨论
本研究通过对长寿富集人群的大规模血液转录组分析，系统描绘了人类衰老过程中全血基因表达的动态变化图谱。研究不仅成功复现了普通人群中已知的年龄相关转录特征（如炎症通路上调、MYC等生长相关通路下调），更发现了长寿人群特有的一套年龄相关基因和通路特征，例如RGS3、CD200等基因的独特变化模式，它们可能与长寿的获得性保护机制有关。更重要的是，研究直接将转录组变化与临床硬终点——死亡风险联系起来，识别出314个风险预测基因，并构建了具有死亡风险预测能力的转录组时钟。
这些发现具有多重重要意义。首先，它证实了血液作为一种易于获取的样本，其转录组信息能够灵敏地反映全身性的衰老生物学状态，并预测个体未来的健康结局。其次，研究揭示了极端长寿者可能通过维持特定的基因表达程序（如NK细胞功能、GPCR信号）来抵御年龄相关的风险，同时避免了某些有害通路（如过度活跃的MYC信号）的激活，这为开发促进“健康衰老”的干预措施（如免疫调节、信号通路靶向药物）提供了全新的候选靶点。例如，研究中提到的RGS3、CD200/CD200R1轴等，均已在不同疾病背景（如癌症）中显示出临床相关性，本研究则为其在衰老干预领域的转化应用提供了理论依据。最后，研究所构建的转录组时钟及衍生的“Δ年龄”，为个体化评估衰老速度、监测干预效果提供了一个有力的量化工具。
当然，研究也存在一些局限性，例如未对血液细胞组成变化的影响进行校正，所有分析基于横断面数据等。未来的研究需要结合纵向样本、单细胞测序以及多组学整合分析，以更精细地解析衰老的时空动态和个体异质性，并将这些有潜力的分子标志物和靶点推向临床验证。总之，这项研究为理解人类衰老的复杂交响曲增添了重要的乐章，朝着解码长寿密码、实现健康老龄化的目标迈出了坚实的一步。
