Vi vet bara alltför väl att ålderdom är den främsta riskfaktorn för cancer, hjärt-kärlsjukdomar och neurodegeneration. Frustrerande nog försenades framstegen inom åldrandeforskningen i många år på grund av den dåliga tillförlitligheten hos verktyg som används för att förutsäga graden av patienternas biologiska åldrande. För att bättre förstå åldrandeprocessen och för att utveckla interventioner behövde anti-aging-fältet tillgång till ett mer effektivt system för att mäta biologisk ålder. 

Ange epigenetiska klockor. Dessa åldersprediktorer, baserade på DNA-metylering (DNAm), har blivit framträdande under det senaste decenniet eller så, vilket banar väg för mer kvantitativa studier. Nya klockor och applikationer, inklusive kriminalteknik, tillkännages ofta. De representerar ett genuint genombrott, även om de exakta aspekterna av åldrandet som fångas av epigenetiska klockor förblir oklara. Låt oss titta på några av de epigenetiska klockorna som finns tillgängliga idag och sammanfatta deras styrkor och svagheter.

Så DNAm har dykt upp som en av de mest effektiva biomarkörerna för att förutsäga biologisk ålder. Epigenetiska klockor (även kända som DNAm-åldersprediktorer) utvecklas med hjälp av CpGs (DNA-regioner) som förändras med åldern. De flesta klockor är byggda med något som kallas en straffad regressionsmodell, som hjälper forskare att välja ut relevanta grupper av CpG. Klockorna används sedan för att uppskatta kronologisk ålder baserat på den procentuella metyleringen vid viktiga CpG-platser. Förbättringar och nya upptäckter kommer snabbt och snabbt.

Åldersacceleration

Låt oss börja med att titta på åldersacceleration, vilket hänvisar till skillnaden mellan epigenetisk ålder (eAge) och kronologisk ålder (chAge). Detta är förknippat med flera åldersrelaterade tillstånd. Till exempel tenderar patienter med fetma, Downs syndrom, Huntingtons sjukdom, Sotos syndrom och Werners syndrom att visa ökad åldersacceleration. eAge acceleration är också kopplat till fysisk och kognitiv kondition. Variationer i epigenetiska åldrande varierar mycket beroende på kön och etnisk bakgrund. 

Människor som är D-vitamintillräckliga har en lägre eAge acceleration och längre leukocyttelomerer (LTL). Rökning har kopplats till en förhöjd eAge i luftvägsceller och lungvävnad (med 4,9 respektive 4,3 år). Dessutom har forskare fastställt att rökning under graviditeten kan ha en skadlig effekt på eAge hos avkommor. Nya fynd avslöjas hela tiden, men det är tydligt att epigenetiska klockor har visat sig vara exakta när det gäller att förutsäga biologisk ålder. 

Klockdesignens tidiga dagar

De första epigenetiska klockorna inkluderade relativt få CpG-platser och prover i deras träningsdatauppsättningar, jämfört med senare versioner. Tidiga forskare skapade en klocka från 68 prover (34 tvillingpar) som förutspådde ålder i saliv med en genomsnittlig noggrannhet på 5,2 år. Efter de första studierna växte epigenetiska klockor i komplexitet när det gäller antalet prover, vävnader och CpG:er som implementerades.  

Den första åldersprediktorn för flera vävnader - Horvath- eller Pan-Tissue-klockan - använde 353 CpGs och hade ett medelfel på 3,6 år, utan motstycke vid den tiden. Klockan utvecklades med hjälp av 8000 prover från 82 studier, inklusive mer än 50 friska vävnader. Den imponerande storleken på träningsdata representerade ett nytt riktmärke i klockdesign. Horvath-klockan fick snabbt en stor fanbas i det vetenskapliga samfundet på grund av dess förmåga att förutsäga ålder i flera vävnader med minimala CpGs. 

Design Evolution

Horvath-klockan användes också för att fastställa att vävnader kan åldras i olika takt. Till exempel verkar det som att hjärnvävnad åldras långsammare i förhållande till andra vävnader i kroppen. Men klockan fungerade inte konsekvent på odlade celler, särskilt fibroblaster. Som ett resultat började Horvath utveckla en epigenetisk klocka som förutspådde åldern på mänskliga fibroblaster, buckala celler, endotelceller, keratinocyter, lymfoblastoidceller, blod-, hud- och salivprover. Denna nya klocka, kallad hud- och blodklockan (S&B) kan förutsäga både in vivo och in vitro vävnader med stor noggrannhet.

Andra forskare utvecklade senare en exakt hudåldersprediktor. Samtidigt kan Zhang-klockan, även om den främst är utbildad för att arbeta på blod, förutsäga åldrarna för bröst-, lever-, fett- och muskelvävnad med samma noggrannhet som Horvath-klockan. Denna klocka överträffar också både Horvath- och Hannum-klockorna när det gäller att förutsäga blodålder. Det kännetecknas av storleken på dess träningsdata, med över 13 000 prover. 

Begränsningar och felaktigheter

Vissa felaktigheter i epigenetiska klockor blev uppenbara när man förutspådde åldern för yngre människor (under 20 år), och den Pediatric-Buccal-Epigenetic (PedBE) klockan skapades för att lösa detta problem. Det var speciellt avsett för användning hos nyfödda till 20-åringar. Detta ger ett bra exempel på hur noggrannheten hos epigenetiska klockor kan ökas - inte bara genom att rikta in sig på vissa vävnader, utan också specifika åldersgrupper. Men trots deras löfte har epigenetiska klockor fortfarande vissa begränsningar för närvarande.

De flesta epigenetiska klockor är beroende av en dyr Illumina Infinium-metyleringsmatris, vilket gör den utbredda tillämpningen av eAge-teknik opraktisk inom området för upptäckt av nya läkemedel. Qiagen-sekvenseringsplattformen möjliggör ett mer kostnadseffektivt tillvägagångssätt, men det har sina egna nackdelar. Användningen av minimerade klockor inom kriminalteknik utvecklas fortfarande och korsvalidering saknas för de flesta klockor. Forskare har visat att både Horvath- och Hannum-klockorna rutinmässigt underskattar äldre människors ålder.

Lova för framtiden

Sammanfattningsvis är eAge-prediktion ett spännande och snabbt växande nytt område som redan radikalt har förändrat världen av experimentell gerontologi. När antalet och variationen av epigenetiska klockor ökar, ökar också mänsklighetens förståelse av biologisk ålder. Men det är fortfarande tidiga dagar. Även om linjära modeller är användbara för att förutsäga åldern för individer mellan 20 och 70 år, finns det en svagare noggrannhet utanför dessa åldrar.

Forskare experimenterar också med en rad andra tekniker som inte enbart förlitar sig på DNAm-data. Sammansatta klockor som PhenoAge och GrimAge är de första stegen i den riktningen. 

Referenser:

1. Baker, G.T., & Sprott, R.L. (1988). Biomarkörer för åldrande. Experimentell Gerontologi, 23(4-5), 223–239

2. Bacalini, M. G., Deelen, J., Pirazzini, C., De Cecco, M., Giuliani, C., Lanzarini, C., Ra-vaioli, F., Marasco, E., Van Heemst, D., Suchiman, H. E. D., Slieker, R., Giampieri, E., Recchioni, R., Marcheselli, F., Salvioli, S., Vitale, G., Olivieri, F., Spijkerman, A. M., DollCrossed. Garagnani, P. (2017). Systemisk åldersassocierad DNA-hypermetylering av ELOVL2-genen. In vivo och in vitro bevis på en cellreplikationsprocess. Journals of Gerontology - Series A , 72(8), 1015– 1023 .

3. Arneson, A., Haghani, A., Thompson, M. J., Pellegrini, M., Kwon, S. B., Vu, H., Yao, M., Li, C. Z., Lu, A. T., Barnes, B., Hansen, K. D., Zhou, W., Breeze, C. E., Ernst, J., & Horvath, S. (2021). En däggdjursmetyleringsmatris för profilering av metyleringsnivåer vid konserverade sekvenser. bioRxiv, 2021.01.07.425637.

4. Aliferi, A., Ballard, D., Gallidabino, M. D., Thurtle, H., Barron, L., & Syndercombe Court, D. (2018). DNA-metyleringsbaserad åldersförutsägelse med hjälp av massivt parallell sekvenseringsdata och flera maskininlärningsmodeller. Forensic Science International: Genetics, 37, 215–226.

5. Al Muftah, W. A., Al-Shafai, M., Zaghlool, S. B., Visconti, A., Tsai, P.-C., Kumar, P., Spector, T., Bell, J., Falchi, M. , & Suhre, K. (2016). Epigenetiska associationer av typ 2-diabetes och BMI i en arabisk befolkning. Clinical Epigenetics, 8(1).

6. Belsky, D. W., Caspi, A., Houts, R., Cohen, H. J., Corcoran, D. L., Danese, A., Harrington, H., Israel, S., Levine, M. E., Schaefer, J. D., Sugden, K. ., Williams, B., Yashin, A. I., Poulton, R., & Moffitt, T. E. (2015). Kvantifiering av biologiskt åldrande hos unga vuxna. Proceedings of the National Academy of Sciences of the United States of America, 112(30), E4104– E4110.

7. Bergsma, T., & Rogaeva, E. (2020). DNA-metyleringsklockor och deras prediktiva kapacitet för åldrande fenotyper och hälsospann. Neuroscience Insights, 15, 263310552094222.

8. Binder, A. M., Corvalan, C., Mericq, V., Pereira, A., Santos, J.L., Horvath, S., Shepherd, J., & Michels, K. B. (2018). Snabbare tickande hastighet av den epigenetiska klockan är förknippad med snabbare pubertetsutveckling hos flickor. Epigenetik, 13(1), 85–94. 

9. Bocklandt, S., Lin, W., Sehl, M. E., Sánchez, F. J., Sinsheimer, J. S., Horvath, S., & Vilain, E. (2011). Epigenetisk prediktor för ålder. PLoS One, 6(6), e14821.

10. Breitling, L. P., Saum, K.-U., Perna, L., Schöttker, B., Holleczek, B., & Brenner, H. (2016). Skörhet är förknippad med den epigenetiska klockan men inte med telomerlängd i en tysk kohort. Clinical Epigenetics, 8(1), 1–8.