新型表观遗传衰老时钟 CheekAge：解锁衰老与疾病关联的新钥匙

研究人员为探究 CheekAge 与健康疾病信号关联，分析 25 个数据集，发现其关联能力强，为衰老研究提供新视角。

　　在岁月的长河中，衰老一直是科学界不懈探索的神秘领域。随着研究的不断深入，人们逐渐意识到，仅仅依靠实际年龄（chronological age）来衡量衰老进程远远不够，于是衰老生物标志物应运而生。其中，表观遗传衰老时钟（epigenetic aging clock）作为一种前沿的衰老生物标志物，利用 DNA 甲基化（DNA methylation）信息预测年龄，吸引了众多科研人员的目光。

早期的第一代表观遗传衰老时钟，如 Hannum 2013 和 Horvath 2013 时钟，主要致力于高精度预测实际年龄。然而，随着对健康和衰老关系研究的深入，科研人员发现，能够反映健康、生活方式和相关结果的新一代时钟更为重要。在此背景下，新一代的表观遗传衰老时钟，如 DNAm PhenoAge 和 CheekAge 等应运而生。

此前，研究人员开发出了 CheekAge，它是一种基于口腔颊部（buccal）数据的新一代表观遗传衰老时钟。前期研究虽已表明 CheekAge 与多种健康因素相关，如与全因死亡率风险显著相关，但仍存在诸多未知。比如，它在外部收集的数据集中捕捉不同疾病和健康信号的能力究竟如何？与其他现有的公开时钟相比表现怎样？其背后驱动显著关联的生物学机制又是什么？为了深入解答这些问题，来自美国 Tally Health 的研究人员 Maxim N. Shokhirev 和 Adiv A. Johnson 开展了一项全面而深入的研究，相关成果发表在《GeroScience》杂志上。

在这项研究中，研究人员用到了多个关键技术方法。首先是数据集的筛选与预处理，他们从 Gene Expression Omnibus 数据库精心挑选了 25 个符合特定标准的 Infinium MethylationEPIC 阵列数据集，这些数据集不仅包含实际年龄信息，还涵盖了健康、疾病或生活方式变量。利用 minfi 软件包对数据进行预处理，获取标准化的 beta 甲基化值。其次是表观遗传年龄预测，选取了包括 Hannum 2013、Horvath 2013 等五个知名公开时钟以及 CheekAge，使用 methyl CIPHER 包中的函数预测年龄，并计算预测年龄与实际年龄的差值（delta age）。最后通过构建线性模型并进行多重检验校正，识别出与 delta age 显著相关的变量，还对 CheekAge 进行关联敏感性和功能富集分析，探究重要的 DNA 甲基化位点及相关生物过程。

研究结果如下：

1. 总体关联情况：研究人员评估了六个不同的表观遗传衰老时钟（CheekAge、DNAm PhenoAge、Zhang 2019、Horvath 2018、Horvath 2013 和 Hannum 2013）与 25 个数据集中 46 种不同信号的关联能力。这些信号涵盖癌症 / 肿瘤、免疫、肺 / 代谢以及其他（包括心理、衰老、治疗和暴露）四大类。结果显示，CheekAge 与 33 种不同信号显著相关，在所有时钟中关联数量最多，表现最为突出。
2. 不同类别数据集的关联分析：
   • 癌症和肿瘤数据集：在多个癌症或肿瘤相关数据集中，CheekAge、DNAm PhenoAge 和 Hannum 2013 时钟分别显示出 10 个显著关联。对于食管鳞状细胞癌数据集，CheekAge 是唯一显示 delta age 显著增加的模型。通过对 CheekAge “pro” CpGs 的分析，发现显著富集的 Reactome 通路涉及脂质代谢、免疫、转录和胰岛素分泌等多个方面。
   • 免疫数据集：在免疫相关数据集中，CheekAge 和 DNAm PhenoAge 均显示出 7 个显著关联。例如在 HIV 相关数据集中，抗逆转录病毒治疗与多个时钟的表观遗传年龄减速相关；在 COVID 感染相关数据中，CheekAge、Zhang 2019 和 DNAm PhenoAge 时钟显示与较高的表观遗传年龄相关。此外，“pro” CpGs 驱动的 CheekAge 免疫关联显著富集的 Reactome 通路包括基因组稳定性、发育、脂质代谢和细胞信号等。
   • 肺和代谢数据集：在分析的 13 个肺或代谢信号中，CheekAge 与 8 个信号相关。例如，对于非酒精性脂肪性肝病（NAFLDGrade3）信号，不同时钟表现出不同的 delta age 变化；对于肺纤维化信号，只有 CheekAge 和 DNAm PhenoAge 预测 delta age 较高。“pro” CpGs 促进 CheekAge 与这些信号关联的 Reactome 通路涉及发育、免疫、信号传导、转录、脂质代谢和蛋白质修饰等。
   • 衰老、心理、治疗和暴露数据集：在这一类别中，CheekAge 和 Horvath 2013 时钟表现最佳，均显示出 8 个显著关联。CheekAge 是唯一与心理创伤显著相关（年龄加速）的时钟。此外，暴露于 PBB - 153、接受烷化剂治疗的儿童癌症幸存者以及接受腹部 / 盆腔放射治疗的儿童癌症幸存者，与所有六个时钟的较高 delta age 显著相关。“pro” CheekAge CpGs 驱动的显著关联涉及转录活性、细胞分裂调节、分子运输、能量代谢、嗅觉和蛋白质修饰等生物过程。
3. 关联敏感性和功能富集分析：通过系统地去除 CheekAge 的每个 CpG 输入并重新计算关联，研究人员确定了 “pro” CpGs 和 “anti” CpGs。对这些 CpGs 进行功能富集分析发现，不同数据集的 “pro” CpGs 显著富集了不同的 Reactome 通路和转录因子靶基因。例如在结直肠癌数据集，与胰岛素分泌相关的通路被显著富集；在 HIV 数据集，“adaptive immune system” 通路被 “anti” CpGs 显著富集。

研究结论和讨论部分指出，这项研究进一步证实了新一代时钟在捕捉健康和疾病信号方面优于第一代时钟。CheekAge 能够与影响多个器官系统的广泛变量相关联，为衰老生物学研究提供了新的视角。通过对 CheekAge 相关的 CpG 位点分析，发现了许多与年龄相关过程和转录因子的联系，为深入理解衰老机制提供了线索。此外，研究还强调了未来应进一步研究 CheekAge 在纵向和干预数据集中捕捉变化的能力，以及通过 DNA 甲基化编辑探究关键位点对临床变量关联的影响。同时，了解其他表观遗传衰老时钟在这些数据集上的表现也具有重要意义。

总的来说，这项研究成果为衰老研究领域提供了重要的理论依据和实践指导，CheekAge 作为一种新型的表观遗传衰老时钟，具有巨大的研究和应用潜力，有望为未来的健康研究和临床实践开辟新的道路。