编辑推荐：
为探究 DNA 甲基化（DNAm）随年龄的变化，研究人员对巴西老年人群进行纵向研究。他们分析 23 位老人约 9 年间的 DNAm 谱，发现年龄和时间点相关的差异甲基化位点（DMPs）和区域（DMRs），这为研究衰老相关认知和身体衰退提供了证据。
在生命的长河中，衰老就像一部神秘的剧本，其中 DNA 甲基化（DNAm）则是关键的 “演员”。DNAm 是一种重要的表观遗传机制，它能在基因的 “舞台” 上调节基因表达。在人类基因组中，大约 2800 万个胞嘧啶 - 鸟嘌呤二核苷酸（CpG）位点，多数 CpG 位点被甲基化，而富含 CpG 位点的 CpG 岛却通常抗拒甲基化。DNAm 的失调与衰老及多种疾病紧密相连，如癌症、糖尿病、心血管疾病等，就像一串相互关联的 “命运之链”。
随着年龄增长，DNAm 也在不断变化。在人生的第一年，血液和唾液中的 DNAm 水平上升，之后在儿童和青少年时期迅速增加，到了成年早期至中期趋于稳定，从中年到老年，整体 DNAm 水平下降且个体间差异增大，这一现象被称为 “表观遗传漂移” 。尽管对 DNAm 与年龄的关系有所了解，但目前仍存在不少问题。一方面，针对老年人群和不同种族人群 DNAm 随时间变化的纵向研究较少；另一方面，大多数表观基因组关联研究（EWAS）主要聚焦于欧洲血统的个体，对于其他人群的研究相对匮乏。
为了填补这些知识空白，来自加拿大多伦多大学（University of Toronto）、巴西圣保罗大学（University of S?o Paulo）等机构的研究人员开展了一项重要研究。他们从巴西圣保罗的健康、幸福与衰老（Saúde, Bem-estar e Envelhecimento，SABE）研究队列中选取了 23 位老年人，收集了他们在约 9 年时间里的两个时间点的全血样本，旨在探究巴西老年人群中 DNAm 模式的纵向变化。该研究成果发表在《Clinical Epigenetics》杂志上。
研究人员在研究过程中运用了多种关键技术方法。首先，从全血样本中提取基因组 DNA，使用 Illumina Infinium MethylationEPICv1.0 阵列对 DNA 甲基化进行测量。接着，利用 R/Bioconductor 中的多个软件包对数据进行处理和质量控制（QC），去除不符合要求的样本和探针。之后，通过特定方法估计不同细胞类型的比例，并进行数据标准化和调整，以消除细胞组成差异对结果的影响。最后，运用混合效应模型进行差异甲基化分析，并使用基因本体（GO）富集分析来探索差异甲基化位点（DMPs）和差异甲基化区域（DMRs）的功能意义。
纵向 EWAS 分析年龄相关的 DNA 甲基化变化
研究人员通过混合效应模型，以定量年龄作为预测变量进行分析。结果发现，在 586,229 个常染色体探针中，确定了 2768 个与年龄相关的显著差异甲基化位点（aDMPs，错误发现率 FDR<0.05），其中 53.1% 在先前研究中被复制。在未复制的 1297 个 CpG 位点中，77.4% 是 EPIC 阵列特有的。此外，还鉴定出 305 个年龄相关的差异甲基化区域（aDMRs），其中 271 个为高甲基化，32 个为低甲基化。通过对 aDMPs 和 aDMRs 的基因组区域分布分析发现，高甲基化的 aDMPs 主要位于 CpG 岛，而低甲基化的 aDMPs 主要位于岛间（interCGI）区域；高甲基化的 aDMRs 主要注释到 CpG 岛，低甲基化的 aDMRs 主要注释到 interCGI 区域 。
基因富集分析
为进一步探究 aDMPs 和 aDMRs 的功能意义，研究人员进行了 GO 富集分析。结果显示，使用所有 aDMPs 进行分析时，确定了 61 个显著富集的 GO 术语，包括细胞 - 细胞信号传导、神经系统发育和神经发生等。当仅考虑高甲基化的 aDMPs 时，也发现了多个与 DNA 结合和 RNA 聚合酶相关的显著富集术语。特别是当聚焦于注释到 CpG 岛且靠近转录起始位点（TSS）和第一外显子区域的高甲基化 aDMPs 时，富集的 GO 术语与神经系统发育等密切相关。而对于低甲基化的 aDMPs，仅在考虑 interCGI 区域的低甲基化 aDMPs 时，发现了与细胞外基质和含胶原蛋白的细胞外基质相关的富集术语。在对 aDMRs 的分析中，也得到了类似的结果，高甲基化的 aDMRs 相关的 GO 术语主要涉及神经系统发育等过程 。
纵向 EWAS 分析时间点相关的 DNA 甲基化变化
研究人员还以二元时间点作为预测变量进行混合效应模型分析。结果确定了 2757 个与时间点相关的显著差异甲基化位点（tpDMPs，FDR<0.05），其中 29.3% 在先前研究中被复制。在未复制的 1950 个 CpG 位点中，68.4% 是 EPIC 阵列特有的。此外，鉴定出 372 个时间点相关的差异甲基化区域（tpDMRs），其中 60 个为高甲基化，312 个为低甲基化。对 tpDMPs 和 tpDMRs 的基因组区域分布分析结果与 aDMPs 和 aDMRs 的趋势相似 。
基因富集分析
在对 tpDMPs 和 tpDMRs 的 GO 富集分析中，使用 tpDMPs 时未发现显著富集的通路。当仅考虑高甲基化且注释到 CpG 岛的 tpDMRs 时，确定了 39 个显著富集的 GO 术语，主要与 DNA 结合、转录和 RNA 调节相关。
aDMPs 和 tpDMPs 的重叠分析
研究人员还对 aDMPs 和 tpDMPs 进行了重叠分析，发现有 1094 个显著的 DMPs 重叠，且所有重叠的 DMPs 在甲基化方向上一致，即均为高甲基化或低甲基化。
综合来看，该研究在巴西老年人群中识别出了年龄和时间点相关的 DMPs 和 DMRs。研究发现大多数未复制的 CpG 位点位于新的 EPIC 阵列上，这表明需要更多使用 EPIC 阵列的年龄相关研究来验证这些位点。GO 富集分析确定了与老年人群认知和身体衰退相关的多个基因集的年龄相关富集，这些位点的富集为老年人群的神经退行性变和认知能力下降提供了证据。尽管该研究存在样本量较小的局限性，但它为后续更大规模的纵向研究奠定了基础，有助于深入探究这些表观遗传变化与基因表达之间的关系，对于理解衰老过程和相关疾病的发生发展具有重要意义。
