Longevity & AgingForschungsarbeitOpen Access

Welche Alterungsbiomarker sagen am besten voraus, wer früh stirbt? Eine 16-Jahres-Studie gibt Antwort

Eine 16-jährige Mortalitätsstudie stellt proteomische Organuhren epigenetischen, Gehirn- und körperlichen Biomarkern gegenüber – und zeigt, was den Tod tatsächlich vorhersagt.

Samstag, 3. Oktober 2026 8 Aufrufe
Veröffentlicht in Aging Cell
An elderly man and woman seated side by side at a clinical research table, each with a blood draw tube and a brain MRI scan visible on a lightbox in the background, inside a modern medical research facility

Zusammenfassung

Wissenschaftler verglichen zahlreiche Methoden zur Messung des biologischen Alterns, um herauszufinden, welche am besten vorhersagt, wer früher stirbt. Sie begleiteten 861 schottische Erwachsene ab einem Alter von 73 Jahren über 16 Jahre; in dieser Zeit starben 444 von ihnen. Blutprotein-Uhren, die das Alter von Organen wie Leber, Immunsystem und Herz schätzen, sagten den Tod tatsächlich voraus. Eine epigenetische Uhr (GrimAge2), ein geringeres Gesamthirnvolumen und Volumen der grauen Substanz, eine schwächere Lungenfunktion und schlechtere kognitive Fähigkeiten sagten ihn jedoch stärker voraus. Das Team untersuchte außerdem fast 9.700 Blutproteine und fand 368, die mit der Sterblichkeit zusammenhingen. Am stärksten waren GDF15, WFDC2 und TIMP1. Proteine, die mit einem höheren Risiko verbunden waren, standen meist im Zusammenhang mit dem Immunsystem, während schützende Proteine an der Stabilität der DNA und an der Zellerhaltung beteiligt waren.

Detaillierte Zusammenfassung

Viele Tools behaupten mittlerweile, das biologische Alter zu messen, doch es gibt keinen Konsens darüber, welches Instrument gesundheitliche Outcomes am besten vorhersagt. Neuere Plasma-Proteomik-Uhren schätzen das Alter von 11 Organen anhand von Blutproteinen und wurden mit einer höheren Sterblichkeit in Verbindung gebracht. Allerdings hatte bisher niemand sie bei denselben Personen direkt mit etablierten Alterungsbiomarkern verglichen. Das ist wichtig, um zu entscheiden, welche Messgrößen sich für die Risikostratifizierung lohnen.

Die Forschenden analysierten die Lothian Birth Cohort 1936: 861 Teilnehmende (445 Männer, 416 Frauen) mit einem mittleren Alter von 72,5 Jahren zu Studienbeginn. Im Verlauf von etwa 16 Jahren Nachbeobachtung starben 444 von ihnen. Verglichen wurden die 11 proteomischen Organuhren mit der epigenetischen Uhr GrimAge2, der Telomerlänge der Leukozyten, der Griffkraft, der Gehzeit über 6 Meter, der Lungenfunktion, MRT-Messungen des Gehirns und der allgemeinen kognitiven Funktion. Die Cox-Regressionsmodelle wurden schrittweise adjustiert: zunächst für Alter und Geschlecht, dann für Rauchen, Alkohol und BMI, schließlich für sieben chronische Erkrankungen. Die P-Werte wurden per FDR korrigiert.

Unter den Organuhren hatte die beschleunigte Leberalterung den stärksten Zusammenhang mit der Sterblichkeit (Hazard Ratio pro Standardabweichung 1,43; 95-%-KI 1,30–1,58), gefolgt von Immunsystem (1,42; 1,29–1,57) und Herz (1,38; 1,25–1,53). Mehrere andere Marker schnitten besser ab. Ein höheres epigenetisches Alter, ein kleineres Gesamthirn- und Graue-Substanz-Volumen, eine geringere Atemfunktion und eine schlechtere Kognition hatten Hazard Ratios von 1,44–1,62 pro Standardabweichung. Die organspezifischen proteomischen Uhren waren also aussagekräftig, aber den bestehenden Messgrößen nicht überlegen.

Das zweite Ziel war es, 9.703 Plasmaprotein-Targets (nach Qualitätskontrolle aus 11.083 auf der Plattform SomaScan 11K) einzeln auf Zusammenhänge mit der Sterblichkeit zu prüfen. 368 Proteine waren mit der Sterblichkeit assoziiert. Die drei stärksten waren GDF15 (HR 1,56; 1,42–1,72), WFDC2 (1,47; 1,33–1,62) und TIMP1 (1,45; 1,29–1,62). Die Anreicherungsanalyse zeigte, dass sich Proteine mit höherem Risiko in Immunfunktionen konzentrierten. Schützende Proteine waren an der genomischen Stabilität und der Zellerhaltung beteiligt. Die Autoren führten außerdem multivariable Modelle mit 21 Biomarkern sowie eine Elastic-Net-penalisierte Cox-Regression über alle Proteine durch.

Für die Praxis legen die Ergebnisse nahe, dass kostengünstige Funktionsmessungen wie Lungenfunktion und Kognition sowie Bildgebung des Gehirns und epigenetische Uhren erhebliche prognostische Informationen liefern. Organspezifische proteomische Uhren könnten zusätzliche mechanistische Details darüber liefern, welche Systeme am schnellsten altern. Die Proteinbefunde weisen auf Entzündung, Immunalterung und eine geschwächte Zellerhaltung als Ansatzpunkte für weitere Forschung hin.

Einschränkungen: Dies ist eine Beobachtungsstudie in einer einzelnen Kohorte von Menschen, die 1936 in Schottland geboren wurden. Der Studienbeginn lag bei etwa 73 Jahren, sodass die Ergebnisse möglicherweise nicht auf jüngere Erwachsene oder andere Bevölkerungsgruppen übertragbar sind. Hazard Ratios zeigen einen Zusammenhang, keine Kausalität. Die Organuhren wurden in einer anderen Kohorte trainiert, und der Erkrankungsstatus wurde selbst angegeben. Einige Aptamere wurden wegen Batch-Unterschieden zwischen den Messwellen entfernt.

Wichtigste Erkenntnisse

  • Cohort of 861 adults (mean age 72.5 at baseline) followed ~16 years, with 444 deaths
  • Accelerated liver aging was the strongest proteomic organ clock for mortality (HR per SD 1.43, 95% CI 1.30–1.58)
  • Immune (HR 1.42) and heart (HR 1.38) organ-age acceleration were next-strongest among proteomic clocks
  • Epigenetic age, smaller total brain and gray matter volumes, reduced respiratory function and poorer cognition outperformed organ clocks (HR per SD 1.44–1.62)
  • Of 9,703 plasma protein targets, 368 were associated with all-cause mortality (FDR < 0.05)
  • Top mortality proteins were GDF15 (HR 1.56), WFDC2 (HR 1.47) and TIMP1 (HR 1.45)
  • High-risk proteins were enriched for immune functions; low-risk proteins for genomic stability and cellular maintenance

Methodik

Prospektive Kohortenanalyse der Lothian Birth Cohort 1936 (861 Teilnehmende, 444 Todesfälle, ca. 16 Jahre Nachbeobachtung ab Welle 2, mittleres Alter 73 Jahre). Die Plasmaproteine wurden mit SomaScan 11K gemessen (9.703 Aptamere nach Qualitätskontrolle), und die Organuhren wurden aus den veröffentlichten Modellen von Oh et al. abgeleitet. Mithilfe von Cox-Proportional-Hazards-Modellen wurden Hazard Ratios pro Standardabweichung berechnet, mit drei Adjustierungsstufen (demografische Merkmale; Lebensstil; chronische Erkrankungen), einem multivariablen Modell mit 21 Biomarkern und einem Vergleich des Nagelkerke-Pseudo-R². Die Proteine wurden zudem mit der Elastic-Net-Cox-Regression (Alpha 0,5, Lambda 0,16) und einer Gene-Set-Enrichment-Analyse auf Basis vorab gerankter Listen analysiert, mit Benjamini-Hochberg-FDR-Korrektur.

Studienlimitierungen

Die Studie ist eine Beobachtungsstudie und basiert auf einer einzelnen Kohorte schottischstämmiger Erwachsener, die ab einem Alter von etwa 73 Jahren nachverfolgt wurden. Daher ist unklar, inwieweit sich die Ergebnisse auf jüngere oder vielfältigere Bevölkerungsgruppen übertragen lassen. Die Organuhren wurden in einer separaten Kohorte trainiert, einige Aptamere wurden aufgrund von Schwankungen zwischen den Messwellen entfernt, und der Krankheitsstatus wurde selbst angegeben. Interessenkonflikte wurden in dem bereitgestellten Text nicht genannt.

Hat dir diese Zusammenfassung gefallen?

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

E-Mail-Adresse zum Abonnieren eingeben: