长期暴露于与交通相关的空气污染与表观遗传年龄加速有关

《Environmental Research》：Long-term exposure to traffic-related air pollution is associated with epigenetic age acceleration

空气污染长期暴露通过DNA甲基化加速衰老进程，尤其在吸烟群体中表现显著。基于德国KORA队列的纵向研究，发现PM2.5、PM10、PMcoarse等颗粒物及NO2、NOx等氮氧化物与DNAmGrimAge、DNAmPhenoAge等表观遗传年龄标志物加速呈正相关，且效应在吸烟者中更强，提示吸烟可能加剧空气污染对生物年龄的负面影响。DNA甲基化 telomere长度（DNAmTL）则与多种污染物呈负相关。研究通过多模型、分层分析和有限全基因组关联研究（EWAS）验证了结果的稳健性，并揭示了心血管代谢通路相关的甲基化位点。

　　本研究探讨了长期暴露于空气污染与表观遗传年龄生物标志物之间的关系，并试图识别出对这些影响尤为敏感的亚群体。研究数据来源于德国基于人群的KORA（合作健康研究，地区为奥格斯堡）队列的S4基线调查（1999–2001年）以及两次随访调查（F4: 2006–08年和FF4: 2013–14年）。研究人员测量了血液样本中的DNA甲基化（DNAm），并计算了基于DNAm的年龄（DNAm Age）和DNA甲基化长度（DNAmTL）。本研究仅纳入了至少有两个重复测量的参与者，共计1651名参与者提供了4105次观测数据。

研究结果表明，在临床模型中，所有空气污染物（除了臭氧O?）的四分位数（IQR）增加都与表观遗传年龄加速（DNAmGrimAge和DNAmPhenoAge）呈正相关。此外，所有空气污染物均与DNAmTL呈负相关。特别地，在曾经吸烟者中，空气污染物与DNAmHorvathAge和DNAmPhenoAge的加速呈正相关，而与DNAmTL呈负相关，其中PM?.?abs（PM?.?吸收）的影响最为显著。研究人员还识别出两个与PM?.?相关暴露相关的CpG位点，在曾经吸烟者中达到了校正后的Benjamini-Hochberg假发现率（FDR）校正的p值<0.05。这些发现表明，长期暴露于交通相关空气污染与表观遗传年龄加速之间存在显著关联，尤其是在曾经吸烟者中，空气污染可能加剧吸烟对生物衰老的负面影响。

### 表观遗传年龄生物标志物的多样性

表观遗传年龄生物标志物基于DNA甲基化数据，但其计算方法和使用的CpG位点不同，导致这些标志物在预测和解释机制上也有所不同。例如，Horvath的表观遗传时钟（DNAmHorvathAge）是基于多种组织类型，涵盖了353个CpG位点，其在人类整个生命周期中都表现出良好的预测能力。而Hannum的时钟（DNAmHannumAge）则主要依赖于与年龄相关的白细胞组成，其在成人中更准确。Levine的时钟（DNAmPhenoAge）则是基于年龄和与死亡相关的血液参数，而DNAmGrimAge则通过两阶段方法构建，包括了风险因素（如吸烟和吸烟量）以及血浆蛋白（如C反应蛋白）的评估，最终用于回归死亡时间。DNAmSkinBloodAge则是通过391个CpG位点计算，用于预测基于皮肤和血液的年龄。

### 空气污染的暴露评估

本研究涵盖了八种空气污染物，包括五种颗粒物（如PM?.?、PM??、PNC、PM_coarse、PM?.?abs）和三种气态污染物（如NO?、NO?和O?）。通过土地利用回归（LUR）模型，研究人员估算出了每年的平均空气污染浓度。这些模型的性能通过留一法交叉验证（LOOCV）进行评估，显示出良好的拟合效果。此外，研究还利用了噪声与空气污染信息系统，对长期交通噪声暴露进行了估算。该系统结合了详细的三维地面模型，包括道路和建筑信息，以及来自Google Earth和OpenStreetMap的农村道路网络。交通数据来自当地政府部门，包括巴伐利亚州内政部、建筑和交通部，以及奥格斯堡的数字街道地图。噪声水平被估算为距地面四米处的24小时和夜间（22:00–06:00）等效连续声压级（dB(A) Leq）。

### 统计分析

研究采用线性混合效应模型来分析空气污染物与表观遗传年龄生物标志物之间的关联。在模型中，研究人员考虑了参与者特定的随机截距，以控制个体差异。此外，还纳入了批次和芯片编号作为随机效应，以减少技术变异带来的影响。研究还采用了多个模型进行调整，包括基本模型、行为模型、临床模型和完整模型。基本模型调整了年龄、性别、研究阶段的指示变量（KORA S4、F4或FF4）、Houseman估计的细胞类型、批次和芯片编号。行为模型在此基础上进一步调整了教育水平、酒精摄入量、吸烟状态和体育活动。临床模型则考虑了BMI、高血压、糖尿病、高密度脂蛋白（HDL）和低密度脂蛋白（LDL）等临床变量。完整模型结合了所有这些协变量，被认为是主要分析结果。

### 研究结果

研究发现，DNAmTL与所有颗粒物（PM?.?、PM??、PNC、PM_coarse和PM?.?abs）以及NO?和NO?呈显著负相关。在曾经吸烟者中，DNAmHorvathAge和DNAmPhenoAge与所有空气污染物（除了O?）呈正相关，而DNAmGrimAge和DNAmSkinBloodAge的加速效应在曾经吸烟者中较为显著，但未达到统计学意义。此外，研究还发现，在曾经吸烟者中，与PM?.?和NO?/NO?暴露相关的DNAmTL缩短效应更为显著。研究还进行了效应修饰分析，发现高血压对DNAmTL与空气污染物之间的关联具有显著的修饰作用，而其他潜在的修饰因素（如年龄、性别、肥胖、酒精摄入、教育水平、体育活动或糖尿病）并未表现出一致的关联。

### 研究的意义与发现

本研究是第一项基于人群的纵向研究，探讨了环境空气污染物与基于DNA甲基化的年龄估计之间的关系，包括第一、第二和第三代表观遗传时钟、基于DNA甲基化的端粒长度（DNAmTL）以及多种空气污染物。研究结果的稳健性得到了广泛的敏感性分析的支持。KORA队列是一个具有标准化和全面方法收集个体信息的队列，这增强了研究结果的可靠性。纵向研究设计通过重复测量生物标志物，提高了统计功效，并减少了未测量因素的潜在混杂影响。尽管本研究未在其他队列中得到复制，但它为未来的相关研究提供了重要的基础。

### 未来研究方向与局限性

本研究的局限性在于，空气污染物的年均浓度是通过空间模型估算的，这些模型仅覆盖了2014–15年的数据。尽管如此，研究者认为这些暴露估计对于历史空间差异是有效的，因为先前研究表明空间暴露差异在时间上保持稳定。为了应对时间上的不匹配，研究者采用了基于监测数据的回溯插值方法，以恢复特定年份的绝对暴露水平，同时保持空间差异。此外，研究者仅纳入了没有在研究期间搬家的参与者，以减少暴露误分类的可能性。然而，不可避免的测量误差可能导致非差异性误分类，从而削弱关联并扩大置信区间。

本研究的另一个局限性在于，DNA甲基化测量使用了不同的平台（450K和EPIC），导致部分CpG位点的覆盖不全。然而，通过仅使用重叠的CpG位点进行重新计算，研究者发现这种影响非常有限。此外，由于本研究是观察性设计，因此无法进行因果推断。一些污染物与表观遗传时钟的关联具有较宽的置信区间，限制了结论的精确性。最后，研究结果的外部有效性可能受到研究人群特征的限制，因为KORA队列仅代表德国南部的一个地区，因此其结论在具有相似人口和环境背景的欧洲城市和农村地区更具代表性。

### 研究的贡献与价值

本研究通过评估多个表观遗传年龄生物标志物，揭示了长期暴露于空气污染对生物衰老的影响。研究还探讨了吸烟状态对这些影响的修饰作用，发现曾经吸烟者对空气污染的反应更为敏感。此外，研究通过表观遗传组范围分析（EWAS）识别了与PM_coarse暴露相关的CpG位点，并利用通路分析确定了这些CpG位点可能涉及的通路，如脂质代谢和心血管疾病。这些发现为理解空气污染如何影响表观遗传年龄提供了新的视角，并为未来研究提供了重要的基础。

本研究的意义在于，它不仅揭示了空气污染对表观遗传年龄的潜在影响，还强调了吸烟状态在这一过程中的关键作用。研究结果表明，交通相关的空气污染可能通过多种机制加速生物衰老，包括免疫衰老和慢性疾病的发展。这些发现对于公共卫生政策制定和个体健康干预具有重要意义，尤其是在识别易感人群和制定针对性的健康促进措施方面。