长寿家族研究（Long Life Family Study, LLFS）非常具有现实意义，随着我国人口进入老龄化社会，需要发展出延缓衰老、提高健康寿命的干预措施。

LLFS包含了极端长寿的老者，比如110岁，对这个群体开展代谢组学研究，有可能识别与年龄、长寿和死亡风险相关的代谢物标志，通过深入分析这些代谢物，能够更好地理解衰老过程中的生物学变化，并可能发现新的治疗靶点，这对于发展个性化医疗、延缓衰老相关疾病和提高老年人生活质量具有重要价值。

 

一、材料方法

研究收集了长寿家族4953名成员的血液样本，使用固相萃取试剂盒从血浆中分离脂质和极性代谢物，采取液相色谱质谱联用技术来检测代谢物。数据处理使用了XCMS、DeconID和Skyline软件，基于保留时间和碎片模式与内部和公共数据库中的真实标准品分析结果进行匹配鉴定代谢物，使用随机森林方法对数据进行批次校正，以消除由于实验批次不同导致的偏差。

年龄标志物分析使用混合效应线性回归模型，纵向分析衰老标志物变化，筛选极端长寿相关代谢物，使用Cox比例风险回归模型分析代谢与死亡风险关联，并研究了脂质和极性代谢物与APOE基因型的关联，在分析中考虑了性别、教育水平、药物使用等因素，并使用Benjamini-Hochberg方法进行多重比较校正。

 

二、结果讨论

研究识别出308种与年龄相关的代谢物，其中156种随年龄增长而增加，152种随年龄增长而减少，比如二甲基鸟苷每年增加1%。

纵向分析代谢数据发现117种代谢物随衰老而增加，138种代谢物随衰老而减少，这些变化与衰老的生理变化有关，如代谢速率的减缓或激素水平的变化，比如皮质醇显示出显著变化。研究发现122种代谢物在极端长寿（EL）个体中含量较高，108种代谢物含量较低，这些代谢物可能与长寿的遗传和生活因素有关，比如长寿个体中蔗糖升高，这可能揭示了长寿个体特有的代谢机制。研究识别出39种代谢物与死亡风险正相关，113种代谢物与死亡风险负相关，这有助于早期筛查高风险个体。

基于数据开发了“代谢组学时钟”，时钟将预测的年龄与实际年龄进行比较，显示出良好的相关性。

 

三、研究结论

研究通过对长寿家族研究（LLFS）中参与者的血浆代谢物进行深入分析，揭示了与年龄、衰老、极端长寿和死亡风险相关的代谢物标志，开发了一个代谢组学时钟预测生物年龄，揭示了必需脂肪酸在代谢过程的关键作用。

研究为开发延缓衰老和提高健康寿命的干预措施提供了科学依据，提供了评估个体生物学年龄的工具，有助于早期干预和管理衰老相关疾病。

图1. 显示代谢组学数据与研究对象年龄之间关系

A．火山图显示年龄与代谢物的关系，显示了在年龄影响下408种代谢物增长（红）或下调（蓝），每个点代表某种代谢物随年龄增长一年所发生的变化。
B．散点图显示代谢物水平与年龄的关系，展示了采血年龄（x轴）与特定代谢物（y轴）之间的关系，呈现某代谢物浓度如何随着年龄变化。
C．以不同颜色展示了不同类别代谢物随年龄变化趋势，显示与年龄呈正相关（绿色）或负相关（红色）的代谢物，蓝色为参照代谢物。
D．比较了两个不同研究队列（LLFS和Arivale）中120种代谢物的年龄效应，使用皮尔逊相关系数（r）衡量两者的线性关联，并提供p值（P）以评估统计显著性。
E．比较了另外两个研究队列（LLFS和BLSA）中99种代谢物的年龄效应。
F．展示了基于横断面数据（x轴）和纵向跟踪数据（y轴）计算出的年龄效应对比，以理解随着时间推移代谢物变化的情况。

图2. 显示代谢组学数据与“极端长寿”（Extreme Longevity, EL）个体之间的关系

A．火山图展示408种代谢物在EL组和对照组之间差异情况。
B．箱线图显示极端长寿个体组（EL）、对照组（Contr）以及后代（Offsp）三组人群之间4种关键代谢物的差异。
C．以不同颜色展示了代谢物与EL的相关性，显示与EL呈正相关（绿色）或负相关（红色）的代谢物，蓝色为参照代谢物。
D．UpSet图展示代谢物与年龄和EL间的关联，Age_up/Age_down指随着年龄增长而增加或减少的代谢物，Cent_up/Cent_down指在EL个体中较高或较低的代谢物。
E．分析了两个研究队列（LLFS和XU）中121种代谢物与EL关联，比较EL组与对照组间的代谢物倍数变化，使用皮尔逊相关系数衡量两者线性关联，探讨不同人群中EL相关的代谢物变化一致性。
F．分析了两个研究队列（LLFS和NECS）中150种代谢物与EL关联，比较EL组与对照组间的代谢物倍数变化，使用皮尔逊相关系数衡量两者线性关联，探讨不同人群中EL相关的代谢物变化一致性。

图3. 描述与极端长寿（EL）相关的代谢组学特征，并且这些代谢组特征独立于年龄的影响

A． 展示24种参照代谢物的比例（蓝色），其中16种在EL个体中较高（绿色），8种较低（红色），表明即使排除了年龄因素影响，仍有特定的代谢物模式与极端长寿相关联。
B． 展示了APOE基因型（特别是E2和E3等位基因）对极端长寿个体脂质水平的影响。APOE是一种已知与脂质代谢及心血管疾病风险有关的基因，其不同基因型可能会影响个体长寿的概率。
C． 展示了不同APOE基因型群体中与极端长寿个体相关的脂质分布情况，显示APOE基因型影响EL个体相关的代谢变化。
D． 比较EL组和对照组之间的代谢物水平差异，识别出哪些代谢物的变化是与极端长寿密切相关的。
E． 展示LLFS研究中苯丙氨酸（y轴）与采血年龄（x轴）之间的关系，说明苯丙氨酸随年龄变化的趋势，从而区分真正与EL相关，而非仅仅由年龄引起的代谢变化。

图4. 描述代谢物与死亡风险的关联分析

A.火山图展示408个代谢物对死亡风险的影响（x轴）与校正p值（y轴），图中每个点代表一种代谢物，用以识别哪些代谢物的变化与较高的死亡风险相关。
B.展示按出生年代分层的Kaplan-Meier生存曲线图，图中包含了四组数据：H/O（高于平均值的代谢物，在1935年之前出生的个体），H/Y（高于平均值的代谢物，在1935年或之后出生的个体），L/O（低于平均值的代谢物，在1935年之前出生的个体），以及L/Y（低于平均值的代谢物，在1935年或之后出生的个体）。
C.展示代谢物类别及与死亡风险的相关性比例，蓝色表示代谢物分类，绿色表示这些代谢物与死亡风险正相关，红色表示负相关，表明代谢物在预测死亡风险方面的变化。
D.比较两个不同研究队列（LLFS和BLSA）中99种重叠代谢物与死亡风险的关联，衡量两者的关联程度，并提供皮尔逊相关系数（r）和p值（P）以评估统计显著性。
E.UpSet图展示代谢物在年龄与死亡风险间的对比关联分析，Age_up/Age_down表示与年龄正/负相关的代谢物；Cent_up/Cent_down表示在EL中较高/较低的代谢物；Death_up/Death_down表示与死亡风险正/负相关的代谢物。
F.UpSet图展示代谢物在极端长寿与死亡风险间的对比关联分析，Age_up/Age_down表示与年龄正/负相关的代谢物；Cent_up/Cent_down表示在EL中较高/较低的代谢物；Death_up/Death_down表示与死亡风险正/负相关的代谢物。

图5. 描述了关于年龄、极端长寿（EL）和死亡风险之间相关代谢物总结

A.展示与年龄和极端长寿正相关但与死亡风险无关的代谢物，这些代谢物在衰老过程中表现出一致的变化模式，但并未显示出对死亡风险有显著影响。
B.展示了同时与年龄、极端长寿和死亡风险相关的代谢物，这些代谢物在三个不同维度上均有显著的相关性，表明它们可能在衰老和死亡风险中扮演重要角色。
C.展示了与年龄和/或死亡风险相关但与极端长寿无关的代谢物，这组代谢物可能只在某些生理过程中起作用，而不涉及极端长寿的机制。
D.展示了与极端长寿和/或死亡风险相关但与年龄无关的代谢物，这些代谢物可能特别与长寿或死亡风险的特定途径相关，而不随年龄变化。
E.展示了与死亡风险相关但与年龄和极端长寿均无关的代谢物。这些代谢物可能直接与死亡风险相关，而不是衰老过程的一部分。

图中向上的箭头表示正相关，向下的箭头表示负相关，而虚线表示没有相关性；下划线标注表示经过验证且效果一致的代谢物，斜体表示经过验证且效果显著的代谢物，粗体表示在独立数据集中发现的代谢物。

图6. 综合展示了代谢年龄与时间年龄之间关系，提供了关于代谢物网络结构的深入见解，强调了某些关键代谢物（如亚油酸和γ-亚麻酸）在网络中的重要地位

A.展示了代谢组学时钟，显示代谢年龄（y轴）与实际年龄（x轴）的对比，左侧显示初测代谢年龄与实际年龄比较，右侧显示随访时代谢年龄与实际年龄比较，MAE（Mean Absolute Error）为平均绝对误差，用于衡量时钟预测的准确性，R表示皮尔逊相关系数，用于衡量代谢年龄与实际年龄之间的相关性。显示出随着时间推移，代谢年龄预测的稳定性及其与实际时间年龄的一致性。
B.总结表格显示不同P值下生成的网络，列出了不同阈值下网络的特征，如节点数量、边的数量以及网络的复杂度等，显示随着阈值变化，代谢物网络结构的变化，用于选择合适阈值来构建有意义的生物网络模型。
C.马尔可夫图展示不同P值下代谢物之间相关网络，其中节点代表代谢物，边代表它们之间的相关性，黑色箭头指向亚油酸和γ-亚麻酸，这两种代谢物在网络中的位置将大多数脂质和极性代谢物分开，表明它们在代谢网络中可能扮演着连接不同代谢类别的枢纽角色。

 

参考文献

Sebastiani, P., Monti, S., & Lustgarten, M. S. et al. (2024). Metabolite signatures of chronological age, aging, survival, and longevity. Cell Reports, 43 (11), 114913. //doi.org/10.1016/j.celrep.2024.114913