基于最小特征识别出的结肠特异性表观遗传时钟，揭示了疾病驱动的衰老过程

《Scientific Reports》：Colon-specific epigenetic clocks from minimal features reveal disease-driven aging

　　

摘要

表观遗传时钟通过DNA甲基化模式来估算生物年龄和实际年龄，但传统模型通常需要依赖数十万个CpG位点以及庞大的训练数据集进行训练。我们此前已经证明，组织特异性的甲基化位点在衰老和疾病过程中会以可预测的方式发生变化。在本研究中，我们利用这些组织特异性的甲基化位点构建了时钟模型，并证明了该模型能够在使用有限的特征集和少量训练数据的情况下准确预测人类结肠的年龄。我们在健康的结肠组织上训练了一个机器学习模型，该模型能够识别出同时反映实际年龄和解剖位置（近端 vs. 远端）的CpG位点。这种时钟模型保持了较高的预测性能（r = 0.978；平均绝对误差为3.9年），且所需的位点和样本数量远少于传统方法。将该模型应用于HIV感染者、炎症性肠病（IBD）患者及结肠息肉患者的组织样本后，我们发现这些患者的衰老过程存在加速现象；而阿司匹林治疗则部分减缓了这一趋势。我们的研究结果表明，组织特异性的CpG位点为构建高效、易于解释的衰老时钟提供了有力基础，并为慢性炎症和肿瘤如何影响结肠的衰老过程提供了新的见解。