EnsembleAge多时钟框架：提升跨物种表观遗传年龄评估的鲁棒性与灵敏度

本研究针对现有表观遗传时钟（epigenetic clocks）在评估干预措施时存在的不一致性问题，开发了EnsembleAge多时钟集成框架。研究人员通过整合200余项小鼠扰动实验数据，结合惩罚回归模型（ridge/lasso/elastic net regression），构建了能同时检测促衰老（pro-aging）和 rejuvenation 效应的动态（Dynamic）与静态（Static）时钟版本。该成果发表于《GeroScience》，其跨物种版本（HumanMouse）为转化医学研究提供了新工具。

　　

在衰老研究领域，表观遗传时钟已成为评估生物年龄的重要工具，但不同时钟模型间的结果差异始终是困扰研究者的难题。当一项研究使用时钟A评估干预效果，而另一项研究采用时钟B时，结论往往难以直接比较。这种不一致性严重阻碍了抗衰老干预措施的开发验证。更棘手的是，现有时钟对某些已知干预措施（如雷帕霉素处理）的响应灵敏度不足，导致关键生物学信号被遗漏。

针对这一瓶颈，加州大学洛杉矶分校（University of California Los Angeles）医学院人类遗传学系与Altos Labs的研究团队开发了EnsembleAge集成时钟系统。这项发表于《GeroScience》的研究，通过整合211项小鼠扰动实验构建的MethylGauge基准数据集，首次实现了表观遗传年龄评估的标准化与可重复性验证。

研究主要采用三种关键技术：1）基于哺乳动物甲基化芯片（Mammalian Methylation Array）的全基因组DNA甲基化检测，覆盖26,034个保守CpG位点；2）整合ridge、lasso和elastic net三种惩罚回归算法构建多模型预测体系；3）利用BXD重组近交系小鼠和C57BL/6J自然衰老队列进行生存期验证。通过系统分析44项寿命干预研究（包括热量限制、细胞重编程等）的数据，团队开发出动态（Dynamic）和静态（Static）两个版本的EnsembleAge时钟。

Development of the EnsembleAge clock

研究通过MethylGauge数据集（含6,224个样本）训练出40个优选时钟模型。动态版本（EnsembleAge.Dynamic）采用响应时钟（|Z|>2）的预测中位数，在测试集中展现出0.98的年龄相关性（R值），显著优于传统时钟。静态版本通过弹性网络直接预测校准年龄，在计算效率与灵敏度间取得平衡。

Human-mouse EnsembleAge clock development

跨物种版本限定于2,252个人鼠共享CpG位点，通过标准化物种最大寿命（maximum species lifespan）实现年龄预测。该模型成功将人类GRIMAge2死亡率风险指标整合到跨物种分析框架中。

Performance of EnsembleAge across individual studies

在亨廷顿病小鼠模型中，EnsembleAge.Dynamic检测到大脑皮层加速衰老信号（Z=2.99），而传统时钟完全遗漏该效应。对雷帕霉素处理的响应（Z=-2.96）同样展现出独特敏感性。最引人注目的是在BXD小鼠尾部样本中，表观年龄加速与早逝显著相关（Z=-3.04），这是首个能预测自然寿命的表观遗传时钟。

EWAS of ensemble age acceleration

表观全基因组关联分析（EWAS）发现1,291个显著关联CpG（p<10^-5），其中启动子区CpG岛与正年龄加速相关，而基因间区与负加速相关。染色质状态分析揭示了与最大寿命相关的TSS1/TSS2/PromF5区域富集，这些区域在传统年龄分析中未被发现。转录因子如TAF1、Pol II、RAD21的motif显著富集，提示其通过增强子-启动子环化（enhancer-promoter looping）调控年龄相关基因表达。

这项研究通过多模型集成策略，首次解决了表观遗传时钟的重复性问题。EnsembleAge不仅能捕捉传统时钟无法检测的微弱衰老信号（如雷帕霉素效应），其跨物种版本更为临床前研究到人体试验的转化搭建了桥梁。染色质状态分析揭示，EnsembleAge标记的基因组区域与哺乳动物最大寿命进化保守区域重叠，这为理解衰老的分子基础提供了新视角。该成果由Amin Haghani领衔的跨国团队完成，数据已通过GEO公开（GSE223748等系列编号），其方法论框架也可扩展应用于其他DNA甲基化生物标志物的开发验证。