# 血漿蛋白質は誰が先に逝くかを予測できるか？台湾848人、8年半の追跡が示す答え

> 陽明交通大学・栄民総医院チームが848人の台湾高齢者を8.5年間追跡し、血漿プロテオームと代謝物プロファイルから死亡予測スコアを構築した。内部識別力のC-indexは0.81に達したが、外部検証コホートの死亡イベントはわずか17件で、代謝物スコアは境界的有意、タンパク質スコアは有意水準に達しなかった。台湾独自のデータが補うのは集団代表性であり、因果推論の空白は埋められていない。

- Author: Paul Kuo（郭曜郎）
- Date: 2026-09-11
- Pillar: 省察と記憶 / Reflections & Memory
- Tags: 老化, プロテオミクス, メタボロミクス, 死亡率, 予測モデル, 台湾研究, 生物学的年齢, 医療エビデンス, 肝臓, 免疫老化
- Canonical: https://paulkuo.tw/ja/articles/plasma-omics-aging-mortality/
- Language: Japanese (日本語)
- Translation: AI-translated from the zh-Hant (Traditional Chinese) original
- Original (zh-Hant): https://paulkuo.tw/articles/plasma-omics-aging-mortality.md
- Site index for LLMs: https://paulkuo.tw/llms.txt

---

[本稿は公開発表済みの論文に基づいて執筆している。通信著者の陳亮恭医師は、本サイトで執筆中の別の企業ケーススタディ（CET台湾子会社）の関連諮問対象でもある。本稿は公開済みのデータのみを引用しており、いかなる商業的・諮問的関係とも無関係だ。]

[前回の記事](./hallmarks-of-aging-map)の最後で、証拠を一本の階段に並べた。動物実験から人間を対象にした観察研究、そして臨床エンドポイントを持つ介入試験へ。タンパク質老化時計がリスクを予測するという話は、その階段の中段に位置する。「体外細胞実験」より上、「ヒト介入試験」より下の、「観察的予測モデル」という段だ。

今回も同じ方向を掘り下げるが、スケールを絞り込む。欧州や米国の数万人規模の大型コホートではなく、台湾の848人、追跡期間8年半の話だ。

## 研究が問うこと：848人、8年半、一本の血漿サンプル

陽明交通大学・栄民総医院チーム（Huang ら、*Aging Cell* 2026）は、台湾高齢者縦断コホートのILAS（Integrative Longitudinal Aging Study）から848人の参加者を選出した。平均年齢63.8歳（±9.2）、女性が53%を占める。

研究開始時に一度だけ空腹時血漿を採取し、そこから追跡期間に入る。平均追跡期間は8.5年（SD 1.2）。追跡終了時点で92人が死亡しており、死亡率は10.8%だ。

この848本のサンプルは、二つの分析経路に送られた。

- **タンパク質：** nanoLC-nanoESI-MS/MS（LTQ Orbitrap Elite 質量分析計）を用いた非標的分析を実施し、検出率50%超のタンパク質を保持した結果、最終的に516種が残った。
- **代謝物：** LC-MS（Waters Xevo G2-S QTof）で分析し、欠損率20%超の特徴を除外したうえで532種を保持した。

外部検証コホートとして、LAST（Longitudinal Aging Study in Taiwan、第1波2016–2019）の231人を用意した。中央値追跡期間7.3年で、そのうち17人が死亡（7.4%）している。

## どのタンパク質が死亡と関連するか

主要結果はCox比例ハザードモデルを各タンパク質に対して実行することで得られた。調整した変数は年齢、性別、教育年数、喫煙、飲酒、高血圧の既往、糖尿病の既往だ。

結果は以下の通り。

- 名目p<0.05：**111種**のタンパク質
- FDR<0.1（緩やかな補正）：**79種**
- FDR<0.05：**47種**

代謝物の結果はやや弱い。名目で55種、FDR<5%ではゼロ、FDR<30%では27種だった。

### 肝臓と免疫が上位に来る理由

FDR<0.1の79種のうち36種（46%）が「臓器優先型」、つまり特定の臓器における発現量が他の臓器より少なくとも1.5倍高いタンパク質（GTExデータベースを基準）だ。

この36種の臓器分布を示す。

| 臓器 | 割合（36種中） |
|---|---|
| 肝臓 | 28%（約10種） |
| 免疫細胞 | 25%（約9種） |
| 脳 | 17%（約6種） |

**注意：** この28%/25%/17%の分母は36種の臓器優先型タンパク質であり、全79種でも111種でもない。論文のDiscussionには「111種のうち約47%が臓器優先型」と書かれた箇所があり、Results節の数字と整合しない。Results §2.3および補足図S2を優先すべきであり、正確には36/79＝46%だ。

**技術的背景を明示する理由は何か。** 1.5倍という臓器特異性の閾値は、同種の多くの研究が用いる4倍より緩やかだ。肝臓は血漿タンパク質の主要な産生臓器であり、質量分析プラットフォームは大量に分泌されるタンパク質、その多くが肝臓由来、を自然と検出しやすい。「肝臓シグナルが特に際立つ」ことには生物学的な合理性があるが、解釈する際にはこの技術的背景を組み込む必要がある。

パスウェイ解析については、FDR<0.1の79種のタンパク質がGO/IPAエンリッチメント解析で関与するパスウェイとして、炎症、凝固、スーパーオキシド消去と酸化ストレス、タンパク質フォールディング、グルコース代謝、シグナル伝達が挙げられた。代謝物の名目結果（p<0.05）では、カフェイン代謝、ペントースとグルクロン酸の相互変換、生体蝶呤代謝、胆汁酸合成などのパスウェイレベルのエンリッチメントが示された。これらは探索的な結果であり、入力したのは多重補正を経ていない名目有意の代謝物だ。確立されたメカニズム的パスウェイとして読み取るべきではない。

## 予測スコアの構築

研究者はelastic-netを用いた特徴選択を行ったのち、Coxモデルで線形予測スコアを構築した。具体的な手順は、50回のランダム1:1訓練/テスト分割、訓練セットで非死亡者をサンプリングしてバランスを取り、3分割交差検証を実施、最後に各反復の平均絶対係数に基づいて上位20特徴を選択するというものだ。特徴を選んだ後、別途Cox係数で最終的な線形スコアを構築している。

ProteinScoreの上位5特徴：

> KLKB1、PHOXF1（原文の遺伝子シンボルのまま。シンボルの正確性は要確認）、PTGFR、FETUB、APOD

MetaboliteScoreの上位5特徴：

> phenylacetylglutamine（フェニルアセチルグルタミン）、DHEA-S、pipecolic acid（ピペコリン酸）、indoleacetic acid（インドール酢酸）、3-oxooctanoic acid（3-オキソオクタン酸）

**補足：** 論文のDiscussionには別の箇所で3-hydroxyoctanoic acid（3-ヒドロキシオクタン酸）のHCAR3シグナル経路が議論されているが、これは異なる化合物だ。その生物学的解釈を3-oxooctanoic acidに当てはめることはできない。

## 予測力はどの程度か

### 発見コホート（内部）

以下のC-index値はすべて発見コホートの内部性能（同一の848人で特徴選択後に識別力を評価）であり、**外部検証の結果ではない**。

| スコアの組み合わせ | C-index |
|---|---|
| ProteinScore単独 | 0.81 |
| MetaboliteScore単独 | 0.77 |
| 臨床モデル（7共変量） | 0.73 |
| ProteinScore＋臨床 | 0.83 |
| MetaboliteScore＋臨床 | 0.80 |

この0.81は同種の研究のなかで低い数字ではない。ただしモデルの構築に使ったデータと同じデータの上で測定したものだ。楽観的バイアスはほぼ避けられず、だからこそ外部検証が重要になる。

### 外部検証（LAST、231人・死亡イベント17件）

外部検証コホートでは年齢と性別のみで調整しており、上記の7つの臨床共変量は用いていない。

| スコア | HR | p値 |
|---|---|---|
| MetaboliteScore | 1.9 | 0.002 ✓ |
| ProteinScore | 1.2 | 0.059 △ |

△ 境界的結果（原著者もborderlineという表現を使っている）。通常のp<0.05の閾値に達しておらず、95%信頼区間も報告されていない。

中央値で二群に分けたKM生存分析では、ProteinScoreのlog-rank p=0.11、MetaboliteScoreのlog-rank p=0.18で、いずれも統計的有意には達しなかった。

外部検証コホートではC-indexが報告されておらず、論文のDiscussionは発見コホートと比べて検証コホートの性能が低下したことを明示している。その要因として、二コホート間の人口構成・教育水準・環境曝露・生活習慣の差異による異質性が挙げられている。

死亡イベント17件では、モデルの効果を統計的に「確認」するための検出力がそもそも極めて限られている。MetaboliteScoreの結果は追跡に値するが、この規模の検証で「検証済み」と言うことはまだできない。

## 長寿分析：183人、FDR補正後は何も残らなかった

研究はもう一つの問いも立てた。死亡と関連する分子シグナルは、特別に長生きすることとも関連するのか。

848人のうち119人（14.0%）が追跡期間中に研究の設定した長寿の閾値（女性≥85歳、男性≥80歳）に達した。ただし長寿関連分析に使われたのは848人全体ではなく、そこから取り出した**183人のサブセット**だ。この183人はアウトカムが既知の人々、長寿に達した者と死亡した者、であり、まだ年齢閾値に達していない生存者は含まれない。

この183人にロジスティック回帰を適用して各タンパク質・代謝物を検定した結果、名目p<0.05は24種のタンパク質と40種の代謝物に見られたが、FDR補正後に残ったものは一つもなかった。

この結果は想定の範囲内だ。183人・数百の多重検定では、FDRを通過できるシグナルを見つけるには効果量が十分に大きいか、サンプルサイズが十分に多くなければならない。今回はどちらも足りなかった。長寿分析は誠実な探索的試みだが、このサンプル規模では語れることが少ない。

## 台湾独自のデータが補えること、補えないこと

この論文を読んで自然に湧く問いがある。欧米の数万人規模の大型研究と比べて、この848人の台湾データには何の固有の価値があるのか。

**補えるのは集団代表性だ。**

高齢者の分子プロファイルは食事、生活習慣、遺伝的背景、環境曝露の影響を受ける。台湾の食文化（米、魚介類、大豆製品）、都市化のパターン、慢性疾患の疫学を背景に構築されたモデルは、理論上、欧米で訓練されたモデルをそのまま適用するよりも台湾高齢者への予測精度が高い。これがローカルデータの実質的な貢献だ。

**補えないのは因果推論だ。**

この研究は観察デザインだ。同一時点で採血し、その後の死亡を前向きに追跡する。「死亡の数年前に血漿中のどの分子レベルが高いまたは低いか」を見出すことはできる。しかしこれらの分子が死亡の原因なのか、身体が衰退していく過程の代償反応なのか、それとも適応シグナルに過ぎないのか。その区別は設計上答えられない。

台湾でも英国でも、848人でも45,000人でも、観察コホートである限りこの問いには答えられない。因果を確立するにはメンデルランダム化、あるいは介入試験が必要であり、観察コホートが提供できるのは関連だけだ。

論文のDiscussionには「systems-level driver」や「potentially modifiable therapeutic target」といった因果的含意を持つ表現が使われている。観察研究でよく見られる「方向性としての推測」だが、研究デザイン自体はそのような主張を支持しない。著者も限界の節で、因果・代償・適応の区別ができないことを明示的に認めている。これはオミクス研究を読む際に常に意識すべき解釈の境界線だ。

## 主な限界

原著者が論文で挙げた四つの限界に、補足すべき考慮事項を加えてまとめる。

1. **全死因死亡：** 92件の死亡イベントを死因別に分けていないため、肝臓または免疫シグナルがどの死因で最も予測力を持つかは不明だ。
2. **外部検証のサンプルサイズが小さい：** 死亡イベント17件では統計的検出力が極めて限られる。検証コホートと発見コホートの人口構成の差異も性能低下の一因である可能性がある。
3. **単一時点：** ベースラインの血漿のみで、分子シグナルの経時的な変化軌跡を追うことができない。
4. **デザインが解釈の範囲を規定する：** 観察デザインは関連を示せるだけであり、因果・代償・適応の区別はできない。
5. **技術的バイアス：** 質量分析プラットフォームは大量に存在する肝臓分泌タンパク質を検出しやすく、「肝臓シグナルが際立つ」ことには技術的な説明が成立する。生物学的シグナルだけが理由とは言い切れない。
6. **スコア構築の複雑さ：** ProteinScoreはelastic-netの係数から直接定義されたものではなく、50回の分割・特徴選択・別途Coxモデル構築という多段階のプロセスを経ている。この種のプロセスに伴う過学習リスクは、より大規模な外部検証なしには排除できない。

## 第1回との接続

第1回で描いた証据の階段に当てはめると、この研究は中段の「観察的ヒト研究」の段に位置する。「動物モデル」の上、「介入試験」の下だ。

この研究の貢献は以下の点にある。

- 台湾高齢者集団には独自の分子的死亡シグネチャーがあり、このデータでは肝臓と免疫の分子が最も際立つ
- タンパク質と代謝物の組み合わせは、臨床変数だけのモデルより高い識別力を持つ（少なくとも発見コホートでは）
- 外部検証において代謝物スコアはタンパク質スコアより頑健であり、追跡に値する

答えられていない問いが残っている。これらの分子シグナルは介入によって変えられるのか。変えたとき、死亡リスクは本当に下がるのか。

それらの問いは次の段階、介入試験に委ねられている。観察データがここまで到達したことの意義は、検証に値する仮説を提示したことだ。

---

*論文出典：Huang YL, et al. Liver‐ and Immune‐Enriched Molecular Signatures Associated With Mortality in Older Adults. Aging Cell. 2026;25(7):e70621. DOI [10.1111/acel.70621](https://doi.org/10.1111/acel.70621)；PMID 42455656；PMC13372077。CC BY 4.0。*