应用体液免疫、生化指标建立生物学年龄回归方程的预测价值

谷娅楠，刘 辉

(1.大连医科大学 附属第一医院 检验科，辽宁 大连 116011；2.大连医科大学 检验医学院，辽宁 大连 116044)

人类老化的进程可以用测定的指标来判断，通常所指的“年龄”，习惯用出生年月日来计算，称之为“日历年龄”。但日历年龄只不过是个体所经历的时间，不能完全说明个体衰老程度。在正常成年人主要脏器生理机能随年龄变化规律的基础上，建立起综合性的定量数学模型来描述衰老过程，这种综合生理机能标准的年龄被称为生物学年龄[1]。本文试图寻找体液免疫、生化指标随年龄变化的规律，并在此基础上确定衰老指标，进而利用衰老指标进行判别分析和回归分析，建立生物学年龄的回归方程，为评价健康水平或保健措施效果提供参考依据。

1 资料与方法

1.1 研究对象

来自大连医科大学附属第一医院体检中心的体检者，物理查体正常，各主要脏器无显著性病变，无糖尿病等慢性病史。其中男性67例，女性62例。日历年龄30～98岁。将整体实验对象按照5岁年龄段分成13组：Ⅰ组(30～35岁)、Ⅱ组(36～40岁)、Ⅲ组(41～45岁)、Ⅳ组(46～50岁)、Ⅴ组(51～55岁)、Ⅵ组(56～60岁)、Ⅶ组(61～65岁)、Ⅷ组(66～70岁)、Ⅸ组(71～75岁)、Ⅹ组(76～80岁)、Ⅺ组(81～85岁)、Ⅻ组(86～90岁)、ⅩⅢ组(90岁以上)。

1.2 方 法

将当日血清置于-20 ℃冷冻保存，同一天同批测定所有的指标。实验当天已做室内质量控制，并且全部指标均在控。

免疫球蛋白G (immunoglobulin G, IGG )、免疫球蛋白A(immunoglobulin A, IGA)、免疫球蛋白M(immunoglobulin M, IGM)、补体C3(complement 3,C3)、补体C4(complement 4, C4)，采用SIEMENS 公司的BNⅡ全自动蛋白分析仪测定，方法为免疫散射比浊，质控品为该公司提供的N/T蛋白质控品SL。

血糖(glucose, GLU)、 肌酐(creatinine, CRE)、尿酸(uric acid, UA)、总蛋白(total protein, TP)、白蛋白(albumin, ALB)、γ-转肽酶(L-γ-glutamyltransferase，γ-GT)、胆固醇(cholesterol,CHOL)、载脂蛋白A1(apolipoprotein A1,APOA1)、载脂蛋白B(apolipoprotein B,APOB)、血清钙(calcium,CA)等生化指标采用日立7600-110全自动生化分析仪测定，质控品由英国北爱尔兰朗道实验室有限公司提供。

1.3 统计学方法

全部数据采用SPSS11.5统计软件进行处理。同组性别比较采用成组设计的两样本均数检验，衰老指标的筛选采用Pearson相关分析，生物学年龄的预测采用判别分析及回归分析。P<0.05为差异有统计学意义。

2 结 果

2.1 衰老指标的筛选

本实验把与年龄有相关性的指标称为衰老指标。经Pearson相关分析，与年龄呈正相关的指标有：IGG、IGA、GLU、CRE、UA、球蛋白；与年龄呈负相关的指标有：ALB、A/G (白/球蛋白)。P均<0.05。见表1。

表1 各指标与年龄相关分析表Tab 1 Correlation between all indices and age

2.2 生物学年龄的预测

2.2.1 判别分析：根据衰老指标，利用Fisher方法进行判别分析。以5岁为年龄段可以得到13个特征方程。将各样本的自变量值代到13 个特征方程中，判别函数值大者，该样本即属于该年龄段。通过这种方法，得到生物学年龄的评价指标YBA，即YBA=Max(Ⅰ～ⅩⅢ)。 判别分析函数的系数见表2。

表2 判别分析函数系数表Tab 2 Coefficients for Discriminatory analytic function

表2得到的13个判别分析函数为：

YⅠ=0.072×IGG+0.084×IGA-3.413×GLU+4.857×ALB+140.224×A/G-265.282

YⅡ=0.078×IGG+0.095×IGA-3.818×GLU+4.884×ALB+148.935×A/G-287.710

YⅢ=0.075×IGG+0.092×IGA-3.429×GLU+4.993×ALB+144.575×A/G-282.847

YⅣ=0.078×IGG+0.088×IGA-3.385×GLU+4.969×ALB+143.670×A/G-283.199

YⅤ=0.072×IGG+0.085×IGA-2.917×GLU+4.660×ALB+137.670×A/G-254.404

YⅥ=0.076×IGG+0.087×IGA-2.874×GLU+4.812×ALB+139.390×A/G-270.004

YⅦ=0.074×IGG+0.087×IGA-2.047×GLU+4.757×ALB+138.500×A/G-266.876

YⅧ=0.076×IGG+0.095×IGA-2.367×GLU+4.794×ALB+147.036×A/G-284.763

YⅨ=0.071×IGG+0.091×IGA-1.057×GLU+4.535×ALB+137.232×A/G-258.761

YⅩ=0.075×IGG+0.086×IGA-1.961×GLU+4.593×ALB+141.668×A/G-265.996

YⅪ=0.070×IGG+0.093×IGA-1.610×GLU+4.442×ALB+134.452×A/G-246.676

YⅫ=0.070×IGG+0.098×IGA-1.732×GLU+4.174×ALB+130.194×A/G-230.541

2.2.2 回归分析：以生物学年龄的评价指标YBA为因变量，以日历年龄、IGG、IGA、GLU、ALB、 A/G为自变量，进行回归分析，从而求得生物学上的推定年龄，其回归方程为：

YBA=0.553×年龄+0.003× IGG+0.015× IGA + 0.570×GLU-3.434×A/G -0.862×ALB+ 60.578

3 讨 论

3.1 入选方程的衰老指标的筛选

经Pearson相关分析，作者发现球蛋白与A/G的相关系数r=-0.818，与IGA的相关系数r=0.424，与IGG的相关系数r=0.418，并且已经知道免疫球蛋白IGA、IGG属于血清蛋白中的γ球蛋白，因此鉴于球蛋白与A/G、IGA、IGG的相关性，为了保证衰老指标的独立性，球蛋白暂不作为进入方程的衰老指标；同时发现CRE与UA之间的相关系数达到r=0.608，说明两者的相关性很大；通过t检验发现男性CRE与女性CRE比较，差异有显著性意义，P<0.05，本文对生物学年龄的预测从整体上出发，不区分性别，所以基于以上这两点原因，CRE、UA也不作为进入方程的衰老指标，故最终进入方程的衰老指标为IGG、IGA、GLU、ALB、A/G。

3.2 生物学年龄的预测

本研究对健康人群的体液免疫、生化指标进行评估，寻找与增龄有关的衰老指标，利用这些衰老指标通过判别分析获得生物学年龄的评价指标。在此基础上，以生物学年龄的评价指标为因变量，以日历年龄和各衰老指标为自变量，通过回归分析，从而求得生物学上的推定年龄[2-3]。

因为每个指标具有各自的计量单位以及不同的变异度，故引入标准化偏回归系数,该系数较大的自变量在数值上对反应变量的贡献较大[4]。本研究中日历年龄、IGG、IGA、GLU、ALB、A/G的标准化的偏回归系数分别为0.579、0.061、0.104、0.171、0.228、0.045，所以，日历年龄在数值上对生物学年龄的贡献度最大。

本研究回归分析后获得的决定系数为0.604，说明样本数据对所选用的线性回归模型的拟合度不是特别理想。导致决定系数偏低的原因可能是因为本文只是尝试利用体液免疫及生化指标来构建方程，衰老指标的多少与生物学年龄的正确值之间有一定关系，测定项目越多，正确性也越大。因此，衰老指标数目上的短缺导致了拟合度不理想。此外本文对模型的效果考察仅限于医院体检中心的健康人，如果能够扩大考察人群和增加考察人数，方程可能会更理想。

衰老的生物学标志物是一组能够预测机体未来功能状态的生物学参数[5]。Klemera和 Douba[6]在研究生物学年龄的不同定义中发现，相对于通过多元回归分析计算的生物学年龄，日历年龄评价衰老更准确。因此他们建议，日历年龄应作为衰老生物学标志物以改善生物学年龄的衰老评价能力。本文也发现日历年龄对生物学年龄的贡献度最大。

生物学年龄是按照个体的健康状态与生理功能的完好程度与其日历年龄对比而确定的。这种测量的尺度具有重大的个体意义和社会意义：(1)预报衰老，有针对性地采取抗衰老综合措施，以便延缓生理性衰老；(2)能更客观地评价抗衰老措施的效果，为建立人群的健康咨询奠定基础。本文对生物学年龄的预测分析在一定程度上反应了个体的生理机能，对评价健康素质和保健效果有一定的指导作用。

[1] 马宏,张宗玉,童坦君.衰老的生物学标志[J].生理科学进展,2002,33(1):65-68.

[2] 王向华,高文军.利用简单线性估计回归方程进行预测的程序探究[J].山西师范大学学报：自然科学版,2007,S1(21):4-5.

[3] 周国忠,安桂仙,茅国锋,等.运用回归方程探讨女性生化指标与血流变关系[J].现代中西医结合杂志,2006,15(11):1432-1434.

[4] 方积乾,孙振球.卫生统计学[M].第5版.北京:人民卫生出版社,2005.241-242.

[5] Johnson T E. Resent result: Biomarkers of aging [J]. Exp Gerontol,2006,41:1243-1246.

[6] Klemera P, Doubal S. A new approach to the concept and computation of biological age [J].Mech Ageing Dev, 2006,127(3):240-248.