Longevity & AgingForschungsarbeitOpen Access

Blutproteine enthüllen das wahre Alter Ihrer Zellen – und sagen das Krankheitsrisiko voraus

Eine Plasma-Proteomik-Studie mit 60.542 Personen entwickelte Alterungsuhren für mehr als 40 Zelltypen und verknüpfte beschleunigtes zelluläres Altern mit Krankheit und Sterblichkeit.

Samstag, 8. August 2026 7 Aufrufe
Veröffentlicht in Nat Med
Glowing plasma proteins flowing from a blood droplet into a 3D constellation of labeled human cell types, molecular light trails

Zusammenfassung

Forscher analysierten über 7.000 Plasmaproteine bei 60.542 Personen aus drei unabhängigen Kohorten, um mittels maschinellen Lernens Modelle zu entwickeln, die das biologische Alter von mehr als 40 verschiedenen Zelltypen schätzen – von Neuronen und Astrozyten bis hin zu Skelettmuskel- und Atemwegsepithelzellen. Etwa 20–25 % der Personen zeigten in mindestens einem Zelltyp beschleunigtes Altern, während 1–3 % dies in zehn oder mehr Zelltypen aufwiesen. Diese zellulären Alterssignaturen sagten das Auftreten von Krankheiten und den Tod über einen Zeitraum von 15 Jahren voraus. Bemerkenswert war, dass APOE4-Träger ältere Astrozyten, aber jüngere Makrophagen aufwiesen. Extremes Altern der Astrozyten verdreifachte das Alzheimer-Risiko bei homozygoten APOE4-Trägern, gealterte Skelettmyozyten waren mit einem 12,7-fach erhöhten ALS-Risiko verbunden, und extremes Altern des Atemwegsepithels erhöhte das Lungenkrebsrisiko um 58 % über das durch Rauchen allein bedingte Risiko hinaus.

0:00--:--

Detaillierte Zusammenfassung

Altern ist einer der stärksten Treiber von Krankheiten, dennoch war die Messung auf zellulärer Ebene in lebenden Menschen bislang schwer fassbar. Diese wegweisende Studie, veröffentlicht in Nature Medicine, schließt diese Lücke, indem sie Plasma-Proteomik nutzt, um biologische Altersschätzer für mehr als 40 einzelne Zelltypen zu erstellen – ausschließlich aus einer Blutprobe.

Das Forschungsteam ordnete mehr als 7.000 Plasmaproteine mithilfe von Einzelzell-Transkriptomikdaten aus dem Human Protein Atlas ihren mutmaßlichen zellulären Ursprüngen zu. Anschließend trainierten sie Machine-Learning-Modelle, um das chronologische Alter anhand von zelltyp-angereicherten Proteinsignaturen bei gesunden Personen vorherzusagen. Diese Modelle wurden in drei unabhängigen Kohorten validiert: dem Global Neurodegeneration Proteomics Consortium (GNPC; n=14.281, SomaScan-Plattform), der UK Biobank (UKB; n=44.458, Olink-Plattform) und der 1946 National Survey of Health and Development (NSHD; n=1.803, SomaScan). Zelltyp-spezifische Alterslücken – die Differenz zwischen biologischem und chronologischem Alter – wurden z-transformiert, um Vergleiche zwischen Zelltypen und Kohorten zu ermöglichen.

Die wichtigsten Erkenntnisse offenbarten eine ausgeprägte Heterogenität beim zellulären Altern. Etwa 20–25 % der Personen zeigten beschleunigtes Altern in einem einzelnen Zelltyp, und 1–3 % in zehn oder mehr gleichzeitig. Diese Muster waren nicht zufällig: Zelluläre Alterslücken waren mit gleichzeitigen Krankheitsdiagnosen assoziiert und sagten prospektiv das Auftreten von Krankheiten sowie die Sterblichkeit über einen Nachbeobachtungszeitraum von bis zu 15 Jahren voraus. Der APOE-Genotyp übte entgegengesetzte Effekte auf verschiedene Zelltypen aus – APOE4-Träger zeigten ältere Astrozyten, aber jüngere Makrophagen, während APOE2 das Gegenteil zeigte. Bei homozygoten APOE4-Trägern verdreifachte ein extremes Astrozyten-Altern das Risiko für eine neu auftretende Alzheimer-Erkrankung, während jugendliche Astrozyten Schutz boten. Personen mit extremem Skelettmyozyten-Altern hatten ein 12,7-fach höheres ALS-Risiko im Vergleich zu jenen mit jugendlichen Myozyten. Bei Rauchern war ein extremes Altern der respiratorischen Epithelzellen mit einem um 58 % höheren Lungenkrebsrisiko verbunden – über den Raucherstatus hinaus.

Das Team erstellte zudem einen polyzellulären Alterungs-Risikoscore – der die Belastung über mehrere Zelltypen hinweg integriert –, der das Sterblichkeitsrisiko kohorten- und plattformübergreifend stratifizierte. Jugendliche Profil von Immun- und neuronalen Zelltypen waren mit Überlebensvorteilen assoziiert, während eine kumulative zelluläre Alterungsbelastung die Sterblichkeit beschleunigte.

Diese Arbeit etabliert einen skalierbaren, nicht-invasiven Rahmen zur Quantifizierung der menschlichen Physiologie auf zellulärer Ebene mithilfe von Blut. Der Ansatz könnte langfristig Präzisionspräventionsstrategien ermöglichen, die auf das individuelle Muster zellulärer Vulnerabilität und Resilienz zugeschnitten sind.

Wichtigste Erkenntnisse

  • 20–25% of people show accelerated aging in at least one cell type; 1–3% show it in ten or more.
  • Extreme astrocyte aging tripled Alzheimer's disease risk in APOE4 homozygotes; youthful astrocytes were protective.
  • Extreme skeletal myocyte aging was linked to a 12.7-fold higher risk of developing ALS.
  • In smokers, extreme respiratory epithelial aging raised lung cancer risk 58% above smoking alone.
  • A polycellular aging risk score stratified mortality across multiple independent cohorts and proteomics platforms.

Methodik

Mithilfe von Machine-Learning-Modellen wurden zelltyp-angereicherte Plasmaproteine (kartiert über Single-Cell-Daten des Human Protein Atlas) analysiert, um das biologische Alter von mehr als 40 Zelltypen bei gesunden Personen zu schätzen. Die Modelle wurden in drei unabhängigen Kohorten mit insgesamt 60.542 Teilnehmern (GNPC, UK Biobank, 1946 NSHD) auf zwei verschiedenen Proteomik-Plattformen (SomaScan und Olink) validiert. Die Altersabweichungen wurden z-transformiert, um die Vergleichbarkeit zwischen Zelltypen zu gewährleisten, und prospektive Krankheits- sowie Sterblichkeitsassoziationen wurden über einen Zeitraum von bis zu 15 Jahren bewertet.

Studienlimitierungen

Die Zuordnung von Plasmaproteinen zu bestimmten Zelltypen basiert auf transkriptomischen Anreicherungsdaten und ist probabilistischer Natur – sie stellt keine direkte Messung der zellulären Sekretion dar; Proteine können aus mehreren Zelltypen stammen. Die Studie ist überwiegend observationeller Art, was kausale Schlussfolgerungen darüber einschränkt, ob zelluläres Altern Erkrankungen verursacht oder umgekehrt. Die plattformübergreifende Validierung zwischen SomaScan und Olink ist aufschlussreich, jedoch unterscheiden sich die proteomische Abdeckung und die Messskalen, was möglicherweise systematische Verzerrungen einführt.

Hat dir diese Zusammenfassung gefallen?

Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.

E-Mail-Adresse zum Abonnieren eingeben: