14种表观遗传时钟与174种疾病风险的公正比较：揭示二代和三代时钟在疾病预测中的优越性

《Nature Communications》：An unbiased comparison of 14 epigenetic clocks in relation to 174 incident disease outcomes

【编辑推荐】本研究针对表观遗传时钟在疾病预测中缺乏大规模系统比较的问题，对14种时钟与174种发病疾病进行了10年随访评估。结果显示二代和三代时钟（如GrimAge、DunedinPACE）显著优于一代时钟，尤其在呼吸系统和肝脏疾病预测中表现突出，其中32个关联模型的AUC增加超过1%，为临床风险预测提供了重要依据。

　　

我们每个人都以相同的速度变老——每12个月增长一岁。然而，我们体验时间流逝的方式却截然不同：有些人能在晚年保持健康，而另一些人则在中年就患上慢性疾病。定义这种差异的生物学基础是衰老研究的核心挑战，但目前缺乏衡量生物衰老的"金标准"。近年来，一系列整合高维分子数据和机器学习算法的生物标志物应运而生，其中研究最深入的是被称为"表观遗传时钟"的DNA甲基化（DNAm）算法。

第一代表观遗传时钟通过预测 chronological age（实际年龄）来开发，例如Horvath时钟。第二代表时钟则通过预测死亡率风险和反映整体健康的表型来构建。第三代表时钟更进一步，通过建模同chronological age个体在多器官系统退化速率上的差异来开发。这些后期时钟因此被训练来预测更复杂的结果，而不仅仅是实际年龄。它们通常包含两步过程，其中考虑健康相关生物标志物（如吸烟、蛋白质水平）的DNAm代理，而不是通常用于推导第一代时钟的单个DNAm CpG位点。虽然这种更广泛生物信息的整合可能增强临床结果预测的实用性，但与第一代时钟相比，它也使得可解释性变得复杂，而第一代时钟可能仍然更适合研究细胞衰老的潜在机制。

评估表观遗传时钟生物标志物临床效用的一个关键问题是它们预测与衰老相关疾病未来发病的能力。然而，尽管现在有大量研究在不同数据集中报告了时钟与不同疾病结果的关联，但尚未进行过多时钟预测多疾病的大规模系统比较。

在这项发表于《Nature Communications》的研究中，研究人员在Generation Scotland队列（n=18,859）这一世界最大规模的DNAm数据集中，对14种时钟（包括最广泛研究的第一代、第二代和第三代表时钟）与174种疾病结果的10年发病风险进行了公正评估。

研究人员主要利用Illumina EPIC850k芯片对全血样本进行DNA甲基化 profiling，并通过Biolearn平台计算表观遗传年龄加速。疾病结局来自电子健康记录，随访至2022年4月。统计分析采用Cox比例风险回归和logistic回归，调整年龄、性别、BMI、吸烟、饮酒、教育和社会经济剥夺等协变量。

Cox回归分析14种表观遗传时钟与174种疾病的关系

在完全调整模型中，共发现176个Bonferroni显著关联（P<2.9×10^-4），涉及13个时钟和57种疾病。第二和第三代表时钟显著优于第一代，后者仅贡献约5%的显著发现。与GrimAge v1相比，第一代时钟的平均log hazard ratios幅度小约50%（P≤6.8×10^-12）。

14种表观遗传时钟与死亡率的Cox回归

所有时钟均与10年全因死亡率显著相关（n_cases=842），其中GrimAge v2的关联最强（HR=1.54，P=7.1×10^-62）。逻辑回归显示，在基线模型（AUC=0.851）中加入GrimAge v2后，AUC增加0.014（1.4%）。

特定疾病的突出关联

在27种疾病中，时钟-疾病的HR超过了其与全因死亡率的关联强度，主要集中在呼吸系统/吸烟相关和肝脏相关结局，如原发性肺癌（GrimAge v1 HR=1.56）和肝硬化（GrimAge v2 HR=1.86）。其他显著关联包括糖尿病（DunedinPACE HR=1.44）、克罗恩病（PhenoAge HR=1.39）和谵妄（Zhang10 HR=1.44）。

年龄和性别分层分析

在按性别和吸烟状态分层的分析中，仅发现两个显著交互作用。例如，GrimAge v2与慢性阻塞性肺病（COPD）的关联在曾经吸烟者中更强（HR=1.51 vs. 0.81，P_interaction=6.2×10^-5）。

逻辑回归与分类改善

在176个Cox显著关联中，有32个实例中，在零模型（仅含协变量）中加入时钟后，AUC改善超过0.01（1%）且名义显著（P<0.05）。

本研究明确表明，在疾病关联研究中应优先考虑第二和第三代表观遗传时钟。这些时钟显示出与呼吸系统和肝脏相关疾病结局的特别强关联，且在调整关键风险因素后仍然显著。研究结果在性别或吸烟状态方面差异有限。第二代和第三代表时钟的162个Bonferroni显著疾病关联均匀分布，没有明确的"最佳"时钟适用于全疾病分析。GrimAge构建中包含的吸烟DNAm替代物可能推动其与呼吸系统疾病的下游关联，而DunedinPACE中包含的BMI、腰臀比和HbA1c纵向变化可能有助于其糖尿病预测效用。

研究局限性包括使用全血DNAm数据评估多组织疾病、仅纳入Biolearn平台的14种时钟，以及未详尽调整家族史、多基因风险评分等协变量。未来研究应考虑训练疾病特异性时钟，并在不同队列中验证发现。

这项研究通过对14种表观遗传时钟与174种发病疾病结局的全面公正比较，为靶向选择表观遗传时钟纳入临床风险预测模型提供了起点。研究结果突出了第二代和第三代表时钟在疾病风险预测中的潜力，特别是在呼吸系统和肝脏疾病方面，为推进精准衰老医学奠定了基础。