忽视细胞类型异质性对表观遗传时钟和炎症衰老研究的影响：纠正偏差，洞察衰老奥秘

在表观遗传时钟和炎症衰老（inflammaging）研究中，忽视细胞类型异质性（CTH）易致错误结论。研究人员分析多个全血 DNA 甲基化数据集，发现 Skinner 和 Conboy 提出的炎症时钟（InflClock）仅反映中性粒细胞与淋巴细胞比例变化，不代表 inflammaging。该研究强调 CTH 在相关研究中的重要性。

　　随着生命科学的发展，人们对衰老机制的探索不断深入，表观遗传时钟成为研究热点。它就像一个隐藏在细胞内的 “生物钟”，通过检测 DNA 甲基化（DNAm）水平来估算生物年龄，为理解衰老进程提供了新视角。然而，在研究过程中，一个棘手的问题逐渐浮现 —— 细胞类型异质性（CTH）被忽视了。

在许多早期的表观基因组关联研究（EWAS）中，常用的研究组织是全血（WB）或外周血单核细胞（PBMC），这些组织由多种免疫细胞组成，每种细胞都有独特的 DNAm 谱。比如，早期研究类风湿关节炎（RA）时发现，多数与 RA 相关的差异甲基化胞嘧啶（DMCs），其实只是反映了中性粒细胞与淋巴细胞比例的变化，并非特定免疫细胞类型的 DNAm 改变。但令人惊讶的是，近期 Skinner 和 Conboy 的研究在分析同一 EWAS 数据时，没有考虑 CTH。在过去十年里，众多研究都强调了在血液研究中估算免疫细胞类型比例并进行调整的重要性，可他们的研究却未遵循这一原则。

为了解决这些问题，中国科学院上海营养与健康研究所的研究人员开展了一项深入研究。他们旨在探讨忽视 CTH 对表观遗传时钟和炎症衰老研究的影响，并通过调整 CTH 来验证结论是否会发生显著改变。研究成果发表在《GeroScience》杂志上。

研究人员采用了多种关键技术方法。首先，收集并使用了多个先前已归一化和分析的人类成人全血 DNA 甲基化数据集，涵盖不同疾病和健康对照人群 。其次，利用 EpiDISH Bioconductor R 包中的 12 细胞类型 DNAm 参考矩阵，估计免疫细胞比例。然后，通过构建炎症时钟（InflClock）、计算其他 DNAm 时钟（如 PhenoAge、DunedinPACE、GrimAge2）以及构建慢性低度炎症评分（InflScore），来综合评估各指标与免疫细胞类型比例的关系，并运用多元线性回归和 meta 分析进行数据处理 。

研究结果如下：

1. InflClock 与免疫细胞比例的关系：研究人员将 InflClock 应用于 15 个全血数据集，发现它与中性粒细胞增加和淋巴细胞减少的比例有很强的关联。在多个健康个体队列中，也呈现出这种关联，这表明 InflClock 可能只是反映了中性粒细胞与淋巴细胞比例的变化，而非真正测量炎症衰老。因为炎症衰老应与淋巴细胞亚群的变化相关，如记忆 T 细胞比例增加，幼稚 T 细胞比例减少，但该研究的 meta 分析显示，InflClock 与记忆和幼稚 T 细胞比例均呈负相关。
2. InflScore 与 InflClock 的差异：研究人员构建的 InflScore，是基于与 C 反应蛋白（CRP，一种炎症标志物）相关的 1765 个 CpG 位点。应用到相同的 15 个全血队列中时发现，InflScore 能捕捉到幼稚 T 细胞向成熟 T 细胞比例的转变，同时伴随着自然杀伤细胞（NK 细胞）增加和中性粒细胞比例减少，这与 InflClock 测量的过程完全不同。
3. InflClock 与其他表观遗传时钟的比较：将 InflClock 与 PhenoAge、GrimAge2 和 DunedinPACE 这三种与生物衰老相关的表观遗传时钟进行比较。meta 分析表明，后三者与基于 CRP 的 InflScore 有很强的相关性，而 InflClock 则没有，这进一步说明 InflClock 在测量炎症衰老方面存在问题。
4. 细胞类型反卷积算法的优势：研究还发现，细胞类型反卷积算法能有效估计免疫细胞比例，且无需额外训练或机器学习，就能很好地预测炎症性疾病状态下免疫细胞比例的变化，如在 RA、多发性硬化症、系统性红斑狼疮和银屑病等疾病中。而 InflClock 的生物学信息已被细胞类型反卷积算法所涵盖，其构建过程也存在问题，因此在研究中显得多余。
5. 对传统机器学习方法的探讨：Skinner 和 Conboy 反对使用惩罚多元回归等机器学习方法构建表观遗传时钟，认为其中一些特征与年龄或炎症等生物过程关联不紧密。但研究人员通过分析指出，惩罚多元回归能去除特征冗余，优化复杂线性组合以提高预测准确性，其系数符号与单变量系数通常相关。Skinner 和 Conboy 得出不同结论，可能是因为他们比较系数时方法不当、样本量差异大以及未调整队列批次效应等原因。

研究结论和讨论部分指出，Skinner 和 Conboy 的 InflClock 并不能测量炎症衰老，它仅反映了已知的中性粒细胞与淋巴细胞比例的增加，完全可以被普通的细胞类型反卷积算法替代。同时，研究也指出了当前所有时钟和细胞类型反卷积算法存在的局限性，如无法全面捕捉炎症衰老涉及的系统变化、难以反映克隆性造血（CHIP）等影响 。

这项研究意义重大，它强调了在表观遗传时钟研究中考虑 CTH 的重要性，避免因忽视这一因素而得出错误结论。传统机器学习方法结合细胞类型反卷积算法，是构建分子预测模型的有力工具，为后续更深入地研究衰老机制、开发更精准的生物标志物和干预策略奠定了基础，有助于推动生命科学和健康医学领域在衰老相关研究方面的发展。