Multimodal Ageing Biomarkers and Plasma Proteomic Signatures Associated with All-Cause Mortality

この研究は、ロシアン出生コホート1936の参加者を用いて、血漿タンパク質に基づく臓器の生物学的年齢をエピジェネティック年齢や脳画像、認知機能などの既存の老化バイオマーカーと比較し、肝臓・免疫・心臓の加速老化が死亡リスクと強く関連する一方で、GrimAge2や脳容積、歩行時間などの指標がより高い予測力を持つことを示すとともに、死亡と関連する202の血漿タンパク質（特にGDF15など）を同定したものです。

要約

この論文は、**「私たちの体がどれくらい『老いた』かを測る新しいものさし」**についての研究です。

想像してみてください。時計の針が動く「年齢（暦年齢）」と、実際に体の中がどれくらいすり減っている「生物学的な年齢」は、必ずしも一致しません。50 歳でも 30 歳のように元気な人もいれば、40 歳でも 60 歳のように疲れている人もいるかもしれません。

この研究は、**「どの測定方法が、将来の寿命（死亡リスク）を最も正確に予測できるか」**を、さまざまな「老化の物差し」を並べて比較しました。

研究チームは、スコットランドの「ロシアン出生コホート 1936 年（LBC1936）」という、1936 年に生まれた約 860 人の高齢者を対象に、17 年間にわたって追跡調査を行いました。

以下に、この研究の核心を 3 つのポイントに分けて、わかりやすく解説します。

---

1. 11 種類の「臓器の年齢」を測ってみたが、実は…

最近、血中のタンパク質を分析することで、**「脳、心臓、肝臓、腎臓など 11 種類の臓器が、実際には何歳相当に老いているか」**を推測する技術が登場しました。まるで、車のエンジン、タイヤ、ブレーキの摩耗具合を個別にチェックするようなものです。

• 発見： 確かに、肝臓や免疫系、心臓が「加速して老いている」人は、死亡リスクが高まりました。
• しかし： これらの「臓器ごとの年齢」は、他の有名な老化指標（後述します）に比べると、予測力は少し弱かったのです。
  • 例えるなら： 「エンジンが少し古くなっている」という情報は重要ですが、「車が全体的にボロボロで、ハンドルも効かない」という情報の方が、事故（死亡）のリスクをより正確に示す、という感じです。

2. 最強の「老化の物差し」はこれだった！

研究の結果、死亡リスクを最も強く予測できたのは、以下の 4 つの指標でした。これらは、臓器ごとの詳細なチェックよりも、**「体全体の機能」や「脳の構造」**を捉えるものでした。

1. 脳のサイズ（MRI で測定）： 脳全体や灰色部分（思考を司る部分）が小さいほどリスクが高い。
2. 脳の「錆び」： 脳内の血管のダメージ（白質高信号）が多いほどリスクが高い。
3. 認知能力（頭の回転）： 記憶力や処理速度が落ちているほどリスクが高い。
4. 歩く速さ： 歩行速度が遅いほどリスクが高い。

• 重要な発見： これら 4 つの指標を統計モデルに組み込むと、他の「臓器の年齢」や「遺伝子時計」などの指標は、もう追加で情報を提供してくれませんでした。
  • アナロジー： 「車のエンジン音（臓器年齢）」を聞くよりも、「ハンドルが重いか（歩く速さ）」や「ナビが正常に動くか（認知能力）」、そして「車体の歪み（脳の構造）」をチェックする方が、その車がいつ壊れるかを予測するのに役立った、ということです。

3. 血中タンパク質から「寿命の鍵」を 202 個発見

次に、研究者たちは血中に含まれる8,699 種類のタンパク質をすべてチェックし、死亡リスクと関係のあるものを探しました。

• 見つかったもの： 202 種類のタンパク質が、死亡リスクと強く関連していました。
• 主な特徴： これらのタンパク質は、主に**「免疫系（体の防衛隊）」や「肝臓」**に関連するものでした。
  • 悪いニュース（リスクを上げるタンパク質）： 「GDF15」や「CST3」といったタンパク質が増えると、リスクが上がります。これらは体がストレスや炎症にさらされている時に増える「SOS 信号」のようなものです。
  • 良いニュース（リスクを下げるタンパク質）： 「HPGDS」や「NPS」などは、逆に減るとリスクが上がります。これらは体を守る「ヒーロー」のような働きをしています。
• 新しい視点： これらのタンパク質は、臓器ごとの年齢モデルとは異なる、**「細胞外基質（体の骨組みや接着剤）」**の劣化や、免疫の乱れという、老化の新しい側面を浮き彫りにしました。

---

まとめ：私たちに何ができるか？

この研究は、**「臓器ごとの年齢を個別に測ることも面白いけれど、まずは『脳の状態』と『体の動き（歩く速さや呼吸）』、そして『頭の働き』をチェックするのが、寿命を予測する上で最も重要だ」**と教えてくれます。

また、血液検査で特定のタンパク質（GDF15 など）を測ることで、将来の健康リスクをより詳しく知る道が開かれました。

日常へのヒント：

• 脳を鍛える（認知機能の維持）。
• 毎日歩く（歩行速度の維持）。
• 炎症やストレスを減らす（免疫系のバランスを保つ）。

これらが、単なる「健康法」ではなく、**「生物学的な老化を遅らせるための、最も効果的な戦略」**である可能性が、この研究によって裏付けられたのです。

※この研究は予備的なものであり、まだ専門家による査読（厳密なチェック）を受けていませんが、老化研究の新しい道筋を示す重要なステップです。

技術概要

この論文「Multimodal Ageing Biomarkers and Plasma Proteomic Signatures Associated with All-Cause Mortality（全死亡リスクに関連するマルチモーダル老化バイオマーカーと血漿プロテオミクスシグネチャ）」の技術的な要約を以下に記述します。

1. 研究の背景と課題 (Problem)

老化バイオマーカーは、単なる暦年齢（chronological age）を超えて、死亡リスクや加齢関連疾患を予測する上で重要な役割を果たします。近年、血漿タンパク質プロファイルを用いて脳、心臓、肝臓など 11 の主要臓器の「生物学的年齢（臓器年齢）」を推定する手法が開発されました（Oh et al., 2023）。
しかし、以下の課題が存在していました：

• ベンチマークの欠如: 臓器年齢バイオマーカーが、既存の確立された老化バイオマーカー（エピジェネティック時計、神経画像、身体機能、認知機能など）と比較して、死亡リスク予測においてどの程度の付加価値を持つか、同一集団で体系的に比較された研究が不足していました。
• 臓器特異的加齢の理解: 臓器ごとの加齢の不均一性（heterogeneity）が、個々の死亡リスクにどのように寄与するか、またどのバイオマーカーが最も強力な予測因子であるかが不明確でした。

2. 研究方法 (Methodology)

本研究は、スコットランドの「ロシアン出生コホート 1936（LBC1936）」の第 2 ウェーブ（平均年齢 72.5 歳、N=861 名）のデータを用いて行われました。追跡期間は最大 17.4 年（死亡者数 444 名）です。

主要なアプローチ:

1. マルチモーダル・バイオマーカーのベンチマーク:

   • 対象: 11 種類のプロテオミクス臓器年齢（脂肪、動脈、脳、心臓、免疫、腸、腎臓、肝臓、肺、筋肉、膵臓）を、以下の既存バイオマーカーと比較しました。
     • エピジェネティック年齢（GrimAge2 加速）
     • テロメア長
     • 脳 MRI 指標（全脳容積 TBV、灰白質容積 GMV、白質高信号体積 WMHV）
     • 認知機能（一般因子 g）
     • 身体機能（握力、歩行時間、呼吸機能）
   • 統計モデル: 各バイオマーカー単独、およびすべてのバイオマーカーを同時に投入した Cox 比例ハザードモデル（年齢、性別、喫煙、飲酒、BMI で調整）を用いて、全死亡リスクとの関連を評価しました。

2. 大規模血漿プロテオミクス解析:

   • データ: SomaScan 11K プラットフォームで測定された 8,699 種類の血漿タンパク質。
   • 解析: 各タンパク質と死亡リスクの関連を Cox モデルで評価（年齢、性別、腎機能、生活習慣要因で段階的に調整）。
   • 多変量解析: 高次元データと多重共線性を処理するため、Elastic Net 正則化付き Cox 回帰を用いて、死亡リスクを予測するタンパク質の最小セット（37 個）を特定しました。
   • 機能解析: 死亡に関連するタンパク質の Gene Ontology（生物学的プロセス）および GTEx データベースを用いた組織特異性エンリッチメント解析を行いました。

3. 主要な貢献と結果 (Key Contributions & Results)

A. 臓器年齢バイオマーカーのベンチマーク結果

• 臓器年齢と死亡リスク: 加速した臓器年齢（特に肝臓、免疫系、心臓）は死亡リスクと有意に関連しましたが（HR 1.38〜1.43）、その効果量は他のバイオマーカーに比べて小さかったです。
• 上位の予測因子: 単独モデルにおいて、以下のバイオマーカーが臓器年齢よりも強力な死亡リスク予測因子でした。
  • GrimAge2 加速: HR = 1.62（最も強力）
  • 脳 MRI 指標: 全脳容積（TBV）の減少（HR 逆数 = 1.52）、灰白質容積（GMV）の減少（HR 逆数 = 1.44）
  • 呼吸機能: 1 秒量（FEV）の低下（HR 逆数 = 1.51）
  • 認知機能: 一般因子 g の低下（HR 逆数 = 1.46）
• 多変量モデルでの結果: すべてのバイオマーカーと生活習慣要因を同時にモデルに含めた場合、TBV、WMHV、認知機能（g）、歩行時間の 4 つのみが死亡リスクと独立して有意に関連しました。臓器年齢バイオマーカーは、これらの主要な指標によって説明され、独立した予測価値を失いました。

B. 血漿プロテオミクスシグネチャの発見

• 死亡関連タンパク質: 完全に調整されたモデルで、202 個のタンパク質が死亡リスクと有意に関連しました。
• 主要なタンパク質:
  • リスク増加: GDF15（HR=1.53）、CST3（HR=1.48）、COL18A1（HR=1.47）が最も強く関連。
  • リスク低下（保護的）: HPGDS、NPS、BAGE3 などが関連。
• Elastic Net モデル: 37 個のタンパク質が選択され、GDF15、NPPB、WFDC2 が主要な予測因子として特定されました。
• 生物学的・組織的エンリッチメント:
  • 生物学的プロセス: 免疫関連プロセス（抗菌性液性応答、走化性、細胞接着）および細胞外マトリックス（ECM）の組織化が過剰に代表されました。
  • 組織: 肝臓が唯一有意にエンリッチされた組織でした。

4. 結論と意義 (Significance)

1. 臓器年齢バイオマーカーの位置づけ:
   血漿プロテオミクスに基づく臓器年齢は死亡リスクと関連しますが、GrimAge2、脳構造（MRI）、呼吸機能、認知機能、身体機能（歩行速度）といった既存のマルチモーダル指標と比較すると、予測精度は劣ります。特に多変量解析では、臓器年齢はこれらの主要指標に依存しており、独立した付加価値は限定的であることが示されました。

2. 新たなバイオマーカーの同定:
   大規模なプロテオミクス解析により、GDF15やCST3などの既知の老化マーカーに加え、ECM 組織化や免疫調節に関与するタンパク質群が死亡リスクの強力な予測因子であることが再確認・特定されました。これらは臓器年齢モデルに含まれていない新規のシグネチャです。

3. 臨床的・研究的意義:

   • 死亡リスクの層別化には、臓器特異的な加齢指標よりも、脳構造、認知機能、身体機能、およびエピジェネティック年齢を統合したアプローチが有効であることを示唆しています。
   • 免疫機能と ECM の劣化が加齢に伴う死亡リスクの中心的なメカニズムであることを強調し、将来の長寿介入研究やバイオマーカー開発のターゲットとして、これらの経路が重要であることを示しました。
   • 本研究は、異なるモダリティ（分子、画像、機能）の老化バイオマーカーを体系的に比較した最初の包括的なベンチマークの一つであり、今後の加齢研究の基準となる知見を提供しています。

要約すると、この論文は「臓器年齢」が有用である一方で、死亡リスク予測においては「脳・認知・身体機能・エピジェネティック時計」の方が強力であり、さらに血漿タンパク質解析を通じて「免疫と ECM」の重要性を浮き彫りにした画期的な研究です。