English血清蛋白5年追踪：7288种里仅1/10长期稳定，遗传与疾病是隐藏变量
**核心结论（先读懂这三点）：** ① 在 3093 名老年人、7288 种血清蛋白、平均 5.2 年的追踪中，只有约 1/10（752 种）的蛋白表现出"长期时间稳定"（两次测量排名高度一致），绝大多数蛋白会随个体内部波动而漂移。② 蛋白"稳不稳"主要由它进入/清除血液循环的机制决定，而与它的 mRNA 转录稳定性几乎无关——稳定蛋白偏细胞外/分泌/组织特异，可变蛋白偏细胞内管家功能。③ 遗传与疾病是稳定性的两大"隐藏变量"：校正遗传（pQTL）后 75% 蛋白变得更"飘"，73% 蛋白的稳定性会被疾病状态显著修饰。这对任何以血浆蛋白做生物标志物的研究，都是必须正视的前提。
这篇由冰岛心脏协会、美国国家衰老研究所等团队发表于 *Nature Communications*（2026, 17:6784）的论文，题为 *Long-term temporal stability of circulating proteins in older adults*，是目前为止对"循环蛋白长期时间稳定性"最系统的一次刻画。下面用开泰生物的视角，把它拆成对科研与检测服务都有用的干货。
一、为什么要关心"蛋白的时间稳定性"？
循环蛋白组（血清/血浆中所有蛋白）被视为解读个体健康与衰老轨迹的窗口。过去十几年，蛋白组学技术突飞猛进，一次能测几千种蛋白，也的确发现了大量蛋白丰度与遗传、疾病风险、疾病进展的关联。
但一个被长期忽略的问题是：同一个人的蛋白水平，在多年间到底稳不稳？ 此前研究受限于小样本、短随访（多数仅 1–2 年）、蛋白覆盖少，且结论高度依赖"稳定性"的定义和测量方法。而理解个体内（intra-individual）随时间的变化，恰恰精准医学最关心的——因为我们要把预防/治疗策略匹配到每个人独特的动态特征上。
这篇研究的目的很直接：用大样本、长随访、广覆盖，把"循环蛋白的长期时间稳定性"这件事讲清楚。
二、研究设计："时间稳定性"是怎么定义的
研究主队列来自 AGES-Reykjavik（冰岛衰老研究）：
- 3093 名参与者，平均年龄 75 岁（范围 66–93），其中 58% 为女性； - 采用 SomaScan v4.1 平台，在两次访视中各测了 7288 种人血清蛋白； - 两次访视平均间隔 5.2 年； - 所有参与者均有基因型数据，便于后续做遗传分析。
为保证结论不是平台特例，作者用 Cardiovascular Health Study（CHS） 做独立验证：2770 人，平均 72 岁，用 Olink Explore HT 测血浆蛋白，两次访视平均间隔约 4 年。
"时间稳定性"的操作定义——对每个蛋白，计算基线访视与随访访视蛋白水平之间的 Spearman 相关系数（文中称 temporal SCC），再用文献建议的阈值把蛋白分成三档：
- 稳定（stable）：SCC > 0.75，共 752 种； - 中等（medium）：0.40 ≤ SCC ≤ 0.75，共 5855 种； - 可变（variable）：SCC < 0.40，共 681 种。
全人群的中位 temporal SCC 为 0.58。三个档的典型代表：最稳的是 LILRA6（SCC = 0.97，白细胞免疫球蛋白样受体 A6）；中等典型是 SERPINA3（0.56，丝氨酸蛋白酶抑制剂）；最可变的是 CD2AP（0.29，细胞骨架/信号调节蛋白）。
▲ 图1 研究总览。AGES-Reykjavik 队列纳入两次访视均有血清蛋白测量且具备基因型数据的 3093 人（均值75岁），用 SomaScan 7k（v4.1）测约 7000 种血清蛋白；验证队列 CHS 用 Olink Explore HT 测血浆蛋白（2770 人，均值72岁，间隔约4年）。对每个蛋白用基线—随访的 Spearman 相关系数（temporal SCC）定义时间稳定性，并分为 stable（>0.75）、medium、variable（<0.40）三档，进而关联功能特征、人口学、遗传与疾病状态。
三、核心发现一：稳定 ≠ 不变，"稳"指的是排名一致
temporal SCC 的分布非常宽，中位 0.58——说明不同蛋白的"个性"差异极大。好在，这一结论在独立队列里站得住：CHS 中 1301 个跨平台一致的蛋白，中位 SCC 也有 0.63；两个队列的稳定性估计高度相关（SCC = 0.68）。更关键的是，AGES 里被判定为 stable 的蛋白，在 CHS 里同样稳（中位 0.79），variable 的同样飘（中位 0.43）——也就是说，蛋白的时间稳定性是跨测量平台可重复的生物学特征，不是技术噪声。
但有一个极易踩坑的认知需要强调：
temporal SCC 与蛋白水平的"绝对变化量"几乎无关（SCC = 0.05）。 换句话说，一个蛋白"时间稳定"，指的是同一个人在两次测量中的相对排名保持一致，并不代表它的血液浓度没变。这两个维度是正交的。对生物标志物而言，这意味着不能因为"某蛋白基线—随访变化不大"就默认它稳定，也不能因为"浓度大幅波动"就否定它的稳定性——必须分开评估。
▲ 图2 循环蛋白的时间稳定性分布。A：AGES 队列 7288 个 SOMAmers 的 temporal SCC 分布（中位0.58），按 stable（>0.75, n=752）、medium（0.40–0.75, n=5855）、variable（<0.40, n=681）分三档；并给出每档代表蛋白的基线—随访散点（LILRA6 最稳 0.97、SERPINA3 中等 0.56、CD2AP 最可变 0.29）。B：CHS 中用 Olink 测的 1301 个跨平台一致蛋白的 SCC 分布（中位0.63）。C：按 AGES 定义的分组在 CHS 中的一致性——stable 组在 CHS 中位 SCC 0.79，variable 组仅 0.43，两组差异极显著。
四、核心发现二：稳定蛋白与可变蛋白，是"两类完全不同的蛋白"
把稳定组和可变组拿去做功能富集，差异清晰到几乎像两套系统：
稳定蛋白（偏细胞外、分泌、组织特异）：
- GO 富集最强的是细胞外区（FDR = 7.18×10⁻¹⁸）、细胞边缘、信号受体活性； - 通路富集在免疫调节互作、细胞因子/受体、补体系统、唾液分泌； - 在多个组织的基因/蛋白表达上显著"组织富集"，尤其是脂肪、免疫、肝、胰腺、前列腺； - 富集预测的"分泌蛋白""膜蛋白""CD 标记物"。
可变蛋白（偏细胞内管家功能）：
- GO 富集最强的是胞质（FDR = 1.13×10⁻¹¹）、嘌呤核糖核苷酸三磷酸结合、GTPase 活性； - 通路富集在 RAB 香叶基香叶基化、血小板活化/聚集、膜运输、囊泡运输、细胞周期； - 富集预测的"细胞内蛋白""酶""癌症相关基因""候选心血管疾病基因"。
几个数量化对比很说明问题：
- LoF 不耐受（pLI ≥ 0.9）比例：可变蛋白 24%，稳定蛋白仅 11%——可变蛋白更多由"丢不起"的必需基因编码； - 网络枢纽度：可变蛋白在蛋白互作网络（PPI，P = 3.27×10⁻¹⁷）和血清共调控网络（P = 4.18×10⁻²⁷）中的连接度都显著更高，是更核心的网络枢纽； - 组织富集基因比例：稳定蛋白显著更高，可变蛋白反而"无组织偏好"。
最反直觉的一点来了：可变蛋白对应的多是"管家基因"，而管家基因通常被认为表达波动小。作者比对外部转录组数据发现，可变蛋白的转录本方差反而更低，稳定蛋白的转录本方差更高——两者呈反比。这说明：循环蛋白的长期稳定性，主要由转录后调控、释放动力学和清除机制决定，而不是由转录层面的稳定性决定。
▲ 图4 稳定与可变蛋白的功能特征。A：蛋白类别与组织富集表达森林图——稳定蛋白富集分泌/膜/CD 标记与组织富集基因/蛋白表达，可变蛋白富集细胞内/酶/癌症相关/候选 CVD 基因。B：器官特异性富集——稳定蛋白在脂肪、免疫、肝、胰腺、前列腺等组织显著富集（vs 可变蛋白多为"无两折富集"）。C：LoF 不耐受比例——可变蛋白 24% 显著高于稳定蛋白 11%。D：网络枢纽度——可变蛋白在 PPI 网络与共调控网络中的连接度（log 尺度）均显著更高。
五、核心发现三：年龄越大越稳，女性变异性更高
作者用带交互项的线性回归检验"稳定性是否随年龄/性别而变"：
年龄效应：7097 个蛋白中，1164 个表现出显著的年龄相关稳定性修饰（FDR < 0.05）。其中绝大多数是正向（1094 正 vs 70 负）——也就是说，年龄越大，蛋白越稳定。在 CHS 里能复制的 193 个中，SIGLEC5 和 EFNA1 达到显著复制，另有 15 个方向一致。例如 SOD1（超氧化物歧化酶 1）：75 岁以下者两次测量的 SCC 仅 0.54，75 岁及以上升至 0.69。这类炎症调节因子与抗氧化酶，似乎在衰老过程中需要更一致的调控。
性别效应：1081 个蛋白有显著性别交互，其中 1007 个（93%）在女性中稳定性更低。CHS 里 5 个达到显著复制（SPINT3、PSPN、PNP 等），9 个方向一致提示性。例如 SPINT3（Kunitz 型蛋白酶抑制剂 3）在男性中水平更高、且更稳定（回归斜率 0.91 vs 0.68）；SPP1（骨桥蛋白）虽两性基线水平无差，但女性稳定性更低（斜率 0.58 vs 0.66）。
值得指出的是：很多蛋白在横断面（单次测量）模型里与年龄/性别都不显著相关，却表现出显著的"稳定性随年龄/性别变化"——说明时间稳定性捕捉到了横断面单次测量看不到的动力学信息。
▲ 图5 时间稳定性的人口学差异。A–C：年龄修饰——火山图显示 1164 个蛋白稳定性受年龄显著修饰（多为正向，即越老越稳），复制蛋白包括 SIGLEC5、EFNA1；并以 SIGLEC5、SOD1 按年龄分层展示基线—随访关系（≥75岁斜率更高，稳定性更强）。D–F：性别修饰——1081 个蛋白稳定性受性别修饰，93% 在女性中更低；以 SPINT3、SPP1 按性别分层展示（男性斜率更接近 1，稳定性更高）。
六、核心发现四：遗传造就了"假稳定"——校正 pQTL 后 75% 蛋白变飘
既然遗传对蛋白水平有强影响，那"稳定性"里有多少其实是基因型分层造成的？作者做了关键一步：把每个蛋白按其显著 pQTL（6572 个 SOMAmer 至少有一个 pQTL，其中 278 个仅 cis、1468 个 cis+trans、4826 个仅 trans）校正掉遗传变异后，重新计算 temporal SCC。
结果发人深省：
- 校正前后高度相关（SCC = 0.93），中位 SCC 仅从 0.61 微降到 0.59； - 但 75% 的蛋白在"去掉遗传驱动"后 SCC 下降，即变得更"飘"； - 带有 cis-pQTL 的蛋白始终更稳（无论校正前后），例如 COL2A1（胶原 II 型 α1，强 cis-pQTL rs2079295）校正后仍为 0.89（原 0.94）； - 最戏剧性的是 ACP1（酸性磷酸酶 1）：原本 SCC = 0.85、被判为 stable，校正其强 cis-pQTL（rs79716074）后骤降到 0.35，直接被重分类为 variable——它的"稳定"几乎完全是基因型分层制造的假象。
降幅最大的 10 个蛋白（ACP1、CES3、TCN2、AHSG、UBE4A、ICAM1、MVK、GDF5、PILRA、PRAME）中有 5 个从 stable 被重判为 variable。ICAM1、PILRA 等本身就在炎症、免疫、心血管与神经疾病中举足轻重。
对生物标志物的启示：强遗传信号的蛋白"看起来稳"，可能只是因为它主要由基因型决定、个体内波动天然小。若不校正遗传，既会掩盖人群层面的疾病关联，也会误判个体的纵向偏离。
▲ 图6 pQTL 对时间稳定性的影响。A：校正 pQTL 前后的 temporal SCC 散点，两者高度相关（SCC=0.93）；按 pQTL 类型着色。B：COL2A1 含强 cis-pQTL，校正后仍稳定（0.94→0.89）。C：ACP1 原 SCC=0.85（stable），校正其 cis-pQTL 后骤降至 0.35（variable），基因型分层消失、个体内波动显现——典型"假稳定"案例。
七、核心发现五：疾病是稳定性的"大规模修饰因子"——73% 蛋白受影响
疾病状态对稳定性的影响，比遗传更广：
- 5164 / 7097（73%）蛋白的时间稳定性受到疾病状态的显著修饰（FDR < 0.05）；在全部 149037 次"蛋白×疾病状态"检验中，6.9% 显著； - 涉及 AD、房颤（AF）、冠心病（CHD）、充血性心衰（CHF）、非 AD 痴呆、心梗（MI）、卒中七大疾病； - 发病"间隔期"（between visits）诊断的人，稳定性变化最大：稳定蛋白中 48% 的显著交互关联"间隔期诊断"，且其中 82% 表现为稳定性下降（负交互）——即疾病发生时，原本稳的蛋白反而乱了； - 反例同样存在：可变蛋白（如 M8 凝血模块）在已有疾病者（如非 AD 痴呆、房颤）中反而变稳。例如 Th2 细胞因子 IL4 在既往房颤者中明显更稳（斜率 0.74 vs 从未诊断者的 0.40）。
共调控模块层面（WGCNA）：基线识别 25 个模块、随访 23 个；其中 11 个稳定富集、10 个可变富集。79%（5738/7288）的蛋白在 5 年后仍留在同一优势模块——循环蛋白组的共调控结构长期稳定。但模块留存率与"单个蛋白是否稳定"无关，说明即便单个蛋白在飘，它们之间的互作关系依旧牢固。
疾病发作期的模块动态尤其精彩：
- M16（线粒体膜，稳定富集）：在房颤/卒中"间隔期"诊断者中 SCC 下降（中位 0.66/0.62 vs 其他 0.72/0.8）； - M2（细胞粘附/细胞外互作，含 GDF15、TNFRSF1B、RNASE1）：在心梗发作间隔期 SCC 下降； - M8（凝血级联，可变富集）：在非 AD 痴呆发作间隔期反而 SCC 上升（中位 0.44 vs 其他 0.3）。
这些模式揭示：疾病发生/进展会打乱稳定蛋白的调控，却可能让某些原本飘的可变蛋白在病理_window 里"被钉住"——都为机制研究提供了新线索。
▲ 图8 蛋白模块的时间稳定性与疾病关联。A：基线模块示例——M16（线粒体膜，稳定富集，中位 SCC 显著更高）、M8（凝血级联，可变富集，中位 SCC 显著更低）。B：Sankey 图显示 79%（5738/7288）蛋白 5 年后仍留在同一模块，共调控结构长期稳定。C：各模块内疾病关联富集（蓝=稳定富集模块、绿=可变富集模块）。D–G：三个模块在"间隔期诊断"者中稳定性显著改变——M16/M2（稳定富集）在卒中/房颤/心梗发作期 SCC 下降，M8（可变富集）在非 AD 痴呆发作期 SCC 上升。
八、对生物标志物与精准医学的启示
把以上发现落到"我们做检测、做转化"的实处，有四条值得记住：
稳定蛋白是更优的生物标志物/药物靶点候选。
它们多为细胞外、组织特异、且与疾病表型关联比例更高——天然具备"低个体内/个体间波动 + 高生物学信息量"的候选资质。 但"稳"必须校正遗传与疾病状态。
不校正，强遗传信号会制造"假稳定"（如 ACP1），既误导个体纵向解读，也掩盖人群疾病信号。长期纵向队列研究应把 pQTL 校正纳入标准流程。 平台一致性已被验证，但测量方法仍要谨慎。
本研究用 SomaScan 与 Olink 两套独立平台得到可重复的稳定性结论，说明结论扎实；但不同队列间技术变异（批间）仍可能不同，跨中心研究需评估重复样本。 两次测量远不足以定义"稳定性"。
仅基线+随访两点，作者也坦承限制了 ICC 等更稳健指标的运用。未来多点随访、纳入重复样本，才能把"时间稳定性"真正做成可靠的临床参数。
对从事 DIA 质谱、蛋白组学外送检测与服务转化的团队而言，这篇论文提示了一个常被忽视的质控维度：在长期纵向项目中，不仅要看蛋白"能不能被检出、定量准不准"，还要评估它在目标人群中的时间稳定性——否则基于不稳定蛋白开发的标志物，注定在真实世界里反复翻车。
九、研究局限
- 每位参与者仅有两次蛋白测量，无法用 ICC 等更稳健指标刻画稳定性； - 仅纳入两次访视都返诊者，未返诊者可能更不健康，存在选择偏倚，可能低估时间变异性与疾病关联； - 技术变异参考值取自 ARIC 队列而非本队列重复样本，AGES/ARIC/CHS 间样本处理差异可能影响技术变异估计。
十、一句话总结
循环蛋白的"长期稳不稳"是高度蛋白特异的生物学特征：稳定蛋白偏向细胞外/分泌/组织特异、可变蛋白偏向细胞内管家功能；它随年龄增强、在女性中更弱；而遗传（校正后 75% 变飘）与疾病（73% 受影响）是两大隐藏变量。任何想把血浆蛋白做成可靠生物标志物的努力，都绕不开这两个变量——这正是这篇大样本纵向研究留给精准医学最实在的提醒。
文献来源： Ingvarsdottir H.K. et al. *Long-term temporal stability of circulating proteins in older adults*. Nature Communications (2026) 17:6784. doi:10.1038/s41467-026-72957-w.
