近几年，一个现象正在引起全球关注：一些原本更常见于中老年人的疾病，正在更早出现。结直肠癌、肺癌、胃肠道肿瘤等早发癌症的上升，让研究者开始追问：年轻人的“实际年龄”之外，是否还存在一个更真实的“生物年龄”？

2026年6月，多篇蛋白质组学相关高分研究陆续发表。虽然它们关注的疾病和技术场景不同，但都显示出一个值得关注的方向：

蛋白质组学正在从“寻找疾病标志物”，延伸到“理解人体衰老状态和疾病风险”。

本期整理5篇值得关注的研究，看看血液蛋白、年龄时钟、AI影像和单细胞蛋白组如何帮助我们理解：身体如何变老、哪里先老，以及衰老如何转化为疾病。

01、早发癌症：身体可能正在“提前变老”

Nat Med

IF:52

Biological aging and generational shifts in early-onset cancer risk

Nature Medicine

这篇研究聚焦早发癌症风险。研究者利用 UK Biobank 和 All of Us 等队列，结合临床指标、代谢组和蛋白质组器官年龄模型，评估生物衰老与早发癌症的关系。

结果提示：较晚出生队列中，系统性生物年龄呈上升趋势；加速衰老与早发实体瘤风险相关。进一步的蛋白质组器官年龄分析还发现，免疫衰老与早发肺癌、脂肪组织衰老与早发结直肠癌存在关联。

一句话看懂：

早发癌症风险可能不仅与实际年龄有关，也可能与生物衰老加速相关。

02、血液蛋白能看出哪些细胞在变老？

Nat Med

IF:52

Plasma proteomic signatures of cellular aging predict human disease

Nature Medicine

过去谈“生物年龄”，常常是一个总体分数。但这篇研究进一步提出：人体并不是整体同步变老，不同细胞类型可能有不同的衰老速度。

研究者通过大规模血浆蛋白质组数据，尝试推断多种细胞类型的衰老状态，例如免疫细胞、神经相关细胞、上皮细胞、肌肉骨骼相关细胞等。研究进一步将这些细胞衰老信号与疾病风险联系起来，提示血浆蛋白组不仅能反映衰老状态，也可能用于疾病风险预测。

一句话看懂：

血浆蛋白组可能成为观察不同细胞衰老状态的“液体窗口”。

03、蛋白质组年龄时钟：生活方式会让身体提前老吗？

Nat Aging

IF:25

Associations of proteomic age clocks with lifestyle risk factors, incident chronic diseases and mortality in two European cohorts

Nature Aging

蛋白质组年龄时钟的关键问题，不只是“预测你像几岁”，而是它是否与真实健康结局相关。这篇研究在两个欧洲队列中比较了多个蛋白质组年龄时钟，并分析其与生活方式因素、慢病发生及死亡风险之间的关系。

结果显示，蛋白质组年龄偏高与多种不良健康结局相关，并与部分生活方式风险因素存在一致方向关联。这支持了蛋白质组年龄信号在风险分层中的潜在价值。

一句话看懂：

蛋白质组年龄时钟正在从科研模型，走向慢病预测和健康风险评估工具。

04、眼睛会不会是全身衰老的“显示屏”？

NPJ Digit

IF:18

Proteomic clocks combined with deep learning phenotypes track eye aging and diseases

npj Digital Medicine

眼睛是观察血管、神经和代谢状态的重要窗口。这篇研究将蛋白质组年龄时钟与眼部深度学习表型结合，尝试追踪眼部衰老及年龄相关眼病风险。

与单一模态相比，这种“血液蛋白组 + 眼部AI影像”的联合框架在衰老刻画和风险识别上表现出更好的潜力，也为眼病与全身健康状态的联动研究提供了思路。

一句话看懂：

眼部影像可能提供观察衰老的窗口，而蛋白质组学有助于补充其背后的分子信息。

05、衰老大脑里，小胶质细胞发生了什么？

Neuron

IF:16

Single-cell proteome atlas of aging mouse microglia reveals subpopulation-specific phagoproteome

Neuron

小胶质细胞是脑内关键免疫细胞，参与炎症调节、突触修剪和病理蛋白清除。随着年龄增长，其功能状态会发生变化。这篇小鼠研究构建了衰老小鼠小胶质细胞的单细胞蛋白质组图谱，重点分析不同亚群的吞噬相关蛋白特征。

研究发现，小胶质细胞在衰老过程中并非一致变化，不同亚群呈现出差异化的蛋白表达与功能指向，提示脑衰老可能具有更强的细胞异质性。

一句话看懂：

脑衰老不是所有小胶质细胞一起变差，而是不同亚群呈现不同功能状态。

拜谱小结

这5篇研究关注的疾病和技术场景不同，但放在一起看，仍能看到一些共同特点：蛋白质组学正在被用于理解人体衰老状态和疾病风险，而不只是寻找单个疾病标志物。

一方面，蛋白质组数据被用于构建年龄时钟、评估器官衰老和细胞衰老；另一方面，这些分子信号开始与慢病、早发癌症、眼病和脑衰老等真实健康问题联系起来。更值得注意的是，蛋白质组学往往不是单独使用，而是与临床指标、代谢组、影像AI和单细胞技术结合。这也提示，在衰老和复杂疾病研究中，单一数据维度往往难以覆盖全部问题，多维度数据整合具有一定价值。

当然，这些方向距离真正临床应用仍需要更多验证。但它们至少提示我们，从这些研究可以看到，蛋白质组学的应用问题正在变得更具体：它不只是关注“哪个蛋白变了”，也开始被用于回答：

身体是否正在加速衰老？

哪些器官或细胞系统先出现变化？

这些变化是否意味着更高的疾病风险？

参考文献

1.Tian R, Zong X, Ren D, et al. Biological aging and generational shifts in early-onset cancer risk. Nat Med. Published online June 22, 2026. doi:10.1038/s41591-026-04448-w

2.Ding DY, Bot VA, Chen KL, et al. Plasma proteomic signatures of cellular aging predict human disease. Nat Med. 2026;32(6):2060-2072. doi:10.1038/s41591-026-04446-y

3.Robinson O, Xiao H, Homann J, et al. Associations of proteomic age clocks with lifestyle risk factors, incident chronic diseases and mortality in two European cohorts. Nat Aging. Published online June 29, 2026. doi:10.1038/s43587-026-01163-6

4.Yang S, Xin Z, Li H, et al. Proteomic clocks combined with deep learning phenotypes track eye aging and diseases. NPJ Digit Med. Published online June 6, 2026. doi:10.1038/s41746-026-02805-0

5.Zhang H, Liu Z, Chen B, et al. Single-cell proteome atlas of aging mouse microglia reveals subpopulation-specific phagoproteome. Neuron. Published online June 11, 2026. doi:10.1016/j.neuron.2026.05.014