DNA甲基化与衰老及心血管疾病发生的关系：一项前瞻性队列研究

《Stroke: Vascular and Interventional Neurology》：DNA Methylation Algorithms of Aging and Incident Cardiovascular Disease: A Prospective Cohort Study

DNA甲基化算法通过评估生物年龄和加速衰老指标，可有效预测心血管疾病风险。基于健康与退休研究队列，对13种甲基化算法进行比较发现，Zhang_DNAmAge、mPoA和DNAmGrimAgeAcc与整体心血管疾病及特定亚型（如心力衰竭和卒中）风险呈显著正相关，且存在剂量-效应关系。研究证实甲基化时钟可作为独立预测因子，为早期筛查和风险分层提供工具，但需更多队列验证。

　　
近年来，DNA甲基化（DNAm）技术作为评估生物年龄和疾病风险的生物标志物，在心血管疾病（CVD）预测领域逐渐受到关注。然而，现有研究多聚焦于单一算法或特定人群，缺乏系统性的横向比较。基于美国健康与退休研究（HRS）的纵向队列数据，一项发表于《循环：心血管疾病》的研究通过对比13种广泛使用的DNAm算法，首次系统评估了其在预测老年人群CVD事件中的效能差异。

研究采用多阶段筛选策略构建样本库。原始VBS（2016年外周血样本）包含9934名≥50岁受试者，经排除未提供甲基化数据（29.6%）、基线已确诊CVD（5.4%）及随访信息缺失（3.6%）后，最终纳入2112名参与者进行6年追踪（中位随访时间37个月）。数据显示，该人群共发生288例CVD事件，涵盖心肌梗死（45例）、心衰（38例）、脑卒中（152例）及心绞痛（50例）等主要亚型。

在算法效能评估方面，研究采用分层 Cox回归模型控制混杂因素，包括人口统计学变量（年龄、性别、种族）、代谢指标（BMI、血压、血脂）、行为因素（吸烟、饮酒）及免疫细胞组成（通过流式细胞术检测的淋巴细胞亚群比例）。结果显示，三种子算法（Zhang_DNAmAge、mPoA、DNAmGrimAgeAcc）与整体CVD风险呈显著正相关，其每增加一个标准差（SD）风险比（HR）分别达到1.25（95%CI 1.07-1.45）、1.16（1.02-1.33）和1.24（1.05-1.47）。剂量反应分析进一步证实，这些算法在最高四分位组的风险增幅最高，其中Zhang_DNAmAge的HR可达2.04（1.48-2.81），提示存在非线性关联。

针对CVD亚型，算法表现呈现显著分化。DNAmGrimAgeAcc对充血性心衰的预测效力尤为突出（HR=1.47，95%CI 1.11-1.95），其算法通过整合金属蛋白酶抑制剂-1（TIMP-1）、生长分化因子15（GDF-15）等生物标志物的甲基化水平，捕捉了炎症反应与血管重构的关键病理机制。在脑卒中预测中，mPoA（HR=1.24）、HorvathAcc（1.28）和DNAmGrimAgeAcc（1.33）均显示出统计学显著相关性，这可能与这些算法对氧化应激和内皮功能的敏感性有关。值得注意的是，心肌梗死和稳定性心绞痛的预测效能未达显著水平，提示不同亚型可能存在差异化的甲基化调控网络。

研究创新性体现在方法学层面。首先，通过构建标准化数据处理流程（包括质量控制阈值设定、性别匹配样本筛选等），将样本保留率提升至97.9%，确保了甲基化数据的质量。其次，采用动态调整的Cox模型，在基础模型（年龄、性别、白细胞组成）基础上，新增种族、BMI、血压等12项协变量，使风险估计更贴近真实临床场景。此外，剂量反应分析通过四分位分组和趋势检验，有效区分了算法的预测梯度。

讨论部分指出，现有算法的分化表现可能与开发策略密切相关。第一代时钟（如Horvath、Hannum）通过全基因组关联研究（GWAS）整合年龄相关的甲基化位点，而第二代算法（如Zhang、mPoA）则引入临床终点数据优化模型。DNAmGrimAgeAcc作为最新迭代产物，其纳入的32个甲基化位点中有14个与CVD直接相关（如cg08362785与MRTF-A基因关联），这解释了其在心衰预测中的突出表现。研究同时发现，算法效能在不同亚组中保持稳定，除少数非裔样本量不足外，各性别、年龄段的HR值波动范围小于15%，提示算法具有较好的群体适用性。

然而，研究也明确指出了局限性。首先，样本集中于美国中老年人群（平均年龄67岁），年轻群体和多元种族的普适性需进一步验证。其次，6年随访周期可能低估某些慢性CVD的累积效应，如动脉粥样硬化的早期甲基化变化。此外，虽然调整了传统风险因素，但未考虑肠道菌群、维生素D代谢等新兴生物标志物的影响，可能造成部分残余偏倚。

临床转化潜力方面，Zhang_DNAmAge仅需10个CpG位点即可实现高精度预测，成本效益比显著优于需要全基因组测序的DNAmGrimAgeAcc（需833865个位点）。这一特性使其在基层医疗机构的推广更具可行性。研究建议未来验证应侧重于以下方向：1）建立标准化算法评分系统，量化不同场景下的临床价值；2）探索甲基化动态变化与CVD进展的关系，如通过重复采样评估算法的时效性；3）整合多组学数据（如蛋白质组、代谢组），构建多维预测模型。

该研究为DNAm技术在CVD风险分层中的应用提供了重要参考。其核心结论可归纳为：第一代时钟与第二代算法在预测效能上存在显著差异，其中整合临床终点数据的算法（如DNAmGrimAgeAcc）对特定亚型（心衰、脑卒中）的预测价值更突出。这些发现不仅验证了甲基化时钟作为独立预测因子的潜力，也为精准医疗中的风险分层策略提供了新思路——通过算法组合（如Zhang_DNAmAge+DNAmGrimAgeAcc）可能实现更全面的CVD风险预测。后续研究需在异质性更强的队列中验证算法的跨文化适用性，并探索甲基化修饰的可逆性，这对开发延缓衰老相关CVD的干预措施具有重要指导意义。