扫二维码｜查看原文

论文DOI链接：

https://doi.org/10.1007/s43657-023-00106-0

论文pdf链接：

https://link.springer.com/content/pdf/10.1007/s43657-023-00106-0.pdf?pdf=button

引用格式：

Jia, Z., Ren, Z., Ye, D. et al. Immune-Ageing Evaluation of Peripheral T and NK Lymphocyte Subsets in Chinese Healthy Adults. Phenomics (2023). https://doi.org/10.1007/s43657-023-00106-0

研究背景
衰老是一个复杂的过程，它极大地影响了免疫系统，导致免疫功能和亚型的改变。免疫衰老包括了初始和记忆性T细胞的失衡、TCR受体库丰度的减少、T细胞失去功能及T细胞效应功能可塑性的缺失等。由此可见，T细胞在与年龄相关的免疫损伤的发展中起着关键作用。此外，一些研究探索了NK细胞亚群随衰老产生的变化，但是其结论并不明确。在高加索队列研究中，衰老个体中NK细胞的百分比保持不变；而在另外两项关于亚洲人群的研究中，发现NK细胞的数量随着年龄的增长而增加。另一项由英国科研人员进行的研究表明，总NK细胞的绝对数量在衰老过程中保持不变，但是CD56brightNK细胞亚群的绝对数量随着年龄的增长而下降。在既往研究中，无论基础研究还是临床研究均表明：不同年龄组的T细胞和NK细胞亚群的参考范围存在巨大的差异。这对于临床而言是一个亟待解决的问题。因此，本研究检测了超过6万例20-90岁中国健康人群的T细胞和NK细胞的分化状态和衰老标记，目的在于建立准确的中国人群T细胞和NK细胞亚群及状态的参考范围，并且通过机器学习方法建立免疫年龄预测模型。

研究结果

外周T和NK淋巴细胞亚群参考范围

该文作者分析了65,532名健康成年个体，并确定了外周血T和NK细胞亚群的参考值，其中包括T细胞、CD4 +T细胞、CD8 +T细胞、CD56+NK细胞、 CD3+CD56+T自然杀伤（NKT）细胞、γδT、Vδ2、初始CD4+T细胞、终末分化CD4 T细胞、中心记忆CD4 T细胞、 效应T细胞、初始CD8+ T细胞、终末分化CD8 +T细胞 、中心记忆CD8+ T细胞、CD57相关亚群、CD28相关亚群和 PD-1相关亚群（表1）。

表1 不同年龄组的不同免疫亚群的参考值

通过分析不同年龄组T细胞亚群的比例发现，不同年龄组的T细胞比例相对稳定。T细胞比例最高出现在30-34岁之间，而T细胞比例最低出现在≥65岁时（ 表1）。在接受抗原刺激后，初始CD4+T细胞增殖并分化为效应性CD4+T细胞，它可以产生细胞因子，并将信号传递给免疫系统，以启动免疫反应。作者发现，在队列中，CD4+T细胞随着年龄的增长而呈增加趋势，而CD8+ T细胞则呈下降趋势（表1）。

随后，作者进一步分析36个免疫亚群随年龄的变化趋势（图2）。正如预期，初始CD8+T细胞在衰老过程中表现出最显著的变化。同时，功能性的CD8+ T细胞和终末分化的CD8 +T细胞与衰老也有显著的相关性。与之不同的是，CD4+T细胞相关亚群在不同的年龄组中却有相对稳定的趋势。值得注意的是，在不同的年龄组中， PD-1相关亚群处于稳定状态，这表明PD-1与衰老进程无显著关联性。

γδ T 细胞和NKT细胞属于先天T细胞群。在此项研究中表明衰老极大地影响了先天T细胞的百分比。这两类细胞的比例均在35岁后随着年龄的增长而下降。γδ T细胞在外周血主要由Vδ1及Vδ2 T细胞组成。从分析中可以看出，Vδ2+γδ T细胞作为血液循环系统中γδ T细胞的主要亚型，在较年轻的年龄组（< 45岁）中超过一半的 γδ T细胞为Vδ2+γδT细胞。而45岁后，这个数字逐渐下降到50%以下。由此表明，Vδ2并非中年后主要的γδ T细胞亚群。

除T细胞外，NK细胞的变化也是免疫年龄的一个重要指标。NK细胞的百分比在较年轻时往往更高，并在25-35岁之间急剧下降；随后在35年到60年之间的相对稳定的增长；最后，在55年到70年之间有一个急剧的增长。男性和女性中NK细胞百分比的变化趋势相似；然而，除70岁以上的老年人外，大多数年龄组的女性（7.2-10.5%）略低于男性（7.9-11%）。

图2 36个免疫细胞亚型在健康人衰老过程中的动态变化情况

免疫系统的衰老驱动全身的衰老，然而，免疫系统的衰老程度与生理年龄的相关性在既往研究中未得到阐明，免疫系统还没有一项标准能够准确衡量个体的免疫状态。据此科学家提出“免疫年龄”的概念，通过综合评估并量化个体免疫系统衰老程度的新指标，以准确地了解每个人的免疫状态，为预测和管理疾病和死亡风险提供新的视角。为了建立免疫年龄预测模型，该文研究者采用机器学习的方法对队列中的受试者根据其实际年龄（年轻：20-29岁 ，年龄：≥65岁）分为年轻和年老进行模型进行训练。然后随机抽样进行训练和交叉验证，并且采用接收者操作特征曲线（ROC）分析，根据曲线下面积（AUC）值记录预测能力（图3）。该训练数据集生成的ROC曲线值为0.784（图3a）。随后，我们利用免疫年龄组预测模型对中年健康队列（30-64岁）和不健康队列（20-88岁，有记录的慢性疾病)分别进行预测。不健康队列的受试者与同一年龄组的健康个体相比，被预测为“年老”的概率要高出10%。这可能表明，与他们实际的“生理年龄”相比，患有已知疾病的同一年龄组的人往往有一个“更老的免疫年龄”。

图3 免疫年龄随机森林机器学习模型

最后，该文研究者对这些纳入模型的免疫功能指标进行特征重要度计算，确立了其中16 个指标与“免疫年龄”更为相关。他们还发现CD8+ T细胞亚群在RF（Random Forest）建模中具有最显著的影响。初始CD8+ T细胞在所选特征中平均重要性最高。CD8分化的亚型，包括中心记忆CD8 和终末分化CD8 T细胞，是有助于免疫年龄预测模型的主要特征之一。值得注意的是，γδ T细胞也是特征选择中最重要的特征之一。与预期的一样，研究还发现PD-1相关人群对建模分析没有影响。

图4 免疫年龄模型重要特征计算

研究结论

研究详细分析了中国不同地区20-88岁健康个体的T、NK细胞亚群、表型和细胞分化状态，建立了不同年龄的36个免疫参数参考值，并建立了“免疫年龄计算模型”，为临床实践中疾病的监测和预防提供了新的视角。

Abstract

Ageing is often accompanied with a decline in immune system function, resulting in immune ageing. Numerous studies have focussed on the changes in different lymphocyte subsets in diseases and immunosenescence. The change in immune phenotype is a key indication of the diseased or healthy status. However, the changes in lymphocyte number and phenotype brought about by ageing have not been comprehensively analysed. Here, we analysed T and natural killer (NK) cell subsets, the phenotype and cell differentiation states in 43,096 healthy individuals, aged 20–88 years, without known diseases. Thirty-six immune parameters were analysed and the reference ranges of these subsets were established in different age groups divided into 5-year intervals. The data were subjected to random forest machine learning for immune-ageing modelling and confirmed using the neural network analysis. Our initial analysis and machine modelling prediction showed that naïve T cells decreased with ageing, whereas central memory T cells (Tcm) and effector memory T cells (Tem) increased cluster of differentiation (CD) 28-associated T cells. This is the largest study to investigate the correlation between age and immune cell function in a Chinese population, and provides insightful differences, suggesting that healthy adults might be considerably influenced by age and sex. The age of a person's immune system might be different from their chronological age. Our immune-ageing modelling study is one of the largest studies to provide insights into ‘immune-age’ rather than ‘biological-age’. Through machine learning, we identified immune factors influencing the most through ageing and built a model for immune-ageing prediction. Our research not only reveals the impact of age on immune parameter differences within the Chinese population, but also provides new insights for monitoring and preventing some diseases in clinical practice.

通讯作者

尹芝南教

尹芝南教授主要研究方向为γδ T细胞的分化发育及其在肿瘤免疫、肝炎和肠道菌群调控中的作用，并开展γδ T细胞治疗肿瘤、肝炎合并结核病的临床研究。研究成果发表在Nature，Nature Immunology， JEM，JCI ，CMI，Hepatology等国际顶级期刊上，共发表学术论文140余篇，其中以第一作者、通讯或共同通讯作者发表文章65篇，2014-2020连续7年上榜爱思唯尔高被引作者。同时，还担任广东省免疫学会理事长，中国细胞生物学会免疫细胞分会理事长，中国免疫学会常务理事等社会职务。

高伊昉教授

高伊昉教授，博士，本科及硕士就读于伦敦大学国王学院、帝国理工学院免疫学。2006年至2011年期间，同时获取英国国家癌症基金（CRUK）与英国海外研究基金（ORS）于英国南安普顿大学攻读博士学位（肿瘤免疫研究）。2011-2013年在英国进行博士后研究，2013年获得early career track fellow。

主要研究方向为免疫疾病的机制研究，先天免疫T细胞 (innate T cells)对原发性免疫病，肿瘤以及骨髓移植的影响与作用及多平台免疫测试。主持国家自然科学基金面上项目，国家科学基金青年项目，广东省自然科学基金，参与国自然重点项目等。以第一作者或通讯作者发表于JACI，CTM，JITC，CCR等期刊。

担任广东省免疫学会监事，广东省免疫学会女科学家工作委员会秘书。

罗钧洪教授

罗钧洪，医学科学博士，暨南大学教授、博士生导师。回国前曾在澳大利亚联邦科学与工业研究组织任研究员（终身制）。主要研究方向为基因组学、三维基因组学和生物信息学，长期从事生物医学大数据相关研究，专注于机器学习技术在单细胞测序、T细胞受体组库和其它生物医学多组学大数据分析中的开发和应用。在Cell、Nature、Nat Aging、Nat Genetics、Nat Protocols和STTT等顶级期刊发表30余篇学术论文，总他引超过15000次，获授权美国专利1项，国家发明专利2项。

第一作者

贾正虎博士

贾正虎博士，本科毕业于山东大学齐鲁医学部临床医学专业，同年被免试推荐至南开大学攻读硕士、博士研究生学位，师从尹芝南教授，研究方向为肿瘤免疫。曾在南开大学担任科技管理干部，2019-2021年在暨南大学从事博士后研究工作，之后任广州普锐生物科技有限公司总经理兼CTO。具备8年体外诊断项目研发及推广经验，截止至今，完成第I类医疗器械注册证88项，II类医疗器械注册8项，美国FDA-EUA授权1项，欧盟CE认证5项，发明专利授权10余项，SCI发表文章10余篇。拥有D级及以上标准净化GMP建设经验，目前完成3个第三方独立医学检验实验室建设及申报，具有超过5年的分子诊断和免疫诊断实验室建设及运营经验。

Phenomics期刊简介

Phenomics是一本新创的同行评审国际期刊，聚焦表型组学前沿研究，搭建全球表型组学领域专家交流的国际平台，推动该领域相关的理论创新和学科发展。

本期刊拥有强大的国际编委团队，复旦大学金力院士担任主编，美国系统生物学研究所Leroy Hood院士、澳大利亚莫道克大学Jeremy Nicholson院士、德国莱布尼兹环境医学研究所Jean Krutmann院士、复旦大学唐惠儒教授共同担任副主编，复旦大学丁琛教授担任执行主编，另有来自全球多国的三十多位著名科学家共同组成编委团队，以及四十多位青年科学家组成青年编委团队。

我们诚挚地邀请广大科研人员投稿！ 

Phenomics官网：https://www.springer.com/journal/43657

投稿链接：https://www.editorialmanager.com/pnmc/

编辑部邮箱：phenomics@ihup.org.cn、phenomics@fudan.edu.cn

欢迎关注Phenomics官方公众号

文章来源：人类表型组计划公众号