Velmi dobře víme, že stáří je hlavním rizikovým faktorem pro rakovinu, kardiovaskulární onemocnění a neurodegeneraci. Frustrující je, že pokroky ve výzkumu stárnutí byly po mnoho let zpožděny kvůli špatné spolehlivosti nástrojů používaných k předpovídání míry biologického stárnutí pacientů. Abychom lépe porozuměli procesu stárnutí a vyvinuli intervence, potřebovalo pole proti stárnutí přístup k efektivnějšímu systému pro měření biologického věku.
Vstupte do epigenetických hodin. Tito prediktory věku, založené na metylaci DNA (DNAm), se dostaly do popředí za poslední desetiletí a připravily cestu pro kvantitativnější studie. Nové hodiny a aplikace, včetně forenzních, jsou oznamovány často. Představují skutečný průlom, i když přesné aspekty stárnutí zachycené epigenetickými hodinami zůstávají nejasné. Podívejme se na několik epigenetických hodin dostupných dnes a shrňme jejich silné a slabé stránky.
DNAm se tedy stal jedním z nejúčinnějších biomarkerů pro predikci biologického věku. Epigenetické hodiny (také známé jako prediktory věku DNAm) jsou vyvíjeny pomocí CpG (oblasti DNA), které se mění s věkem. Většina hodin je postavena pomocí něčeho, co se nazývá penalizovaný regresní model, který pomáhá výzkumníkům vybrat relevantní skupiny CpG. Hodiny jsou pak používány k odhadu chronologického věku na základě procenta metylace na klíčových místech CpG. Zlepšení a nové objevy přicházejí rychle a ve velkém množství.
Zrychlení věku
Začněme pohledem na akceleraci věku, která se týká rozdílu mezi epigenetickým věkem (eAge) a chronologickým věkem (chAge). To je spojeno s několika stavy souvisejícími s věkem. Například pacienti s obezitou, Downovým syndromem, Huntingtonovou chorobou, Sotosovým syndromem a Wernerovým syndromem mají tendenci vykazovat zvýšenou akceleraci věku. Akcelerace eAge je také spojena s fyzickou a kognitivní kondicí. Variace v rychlosti epigenetického stárnutí se značně liší v závislosti na pohlaví a etnickém původu.
Lidé, kteří mají dostatek vitamínu D, mají nižší zrychlení eAge a delší telomery leukocytů (LTL). Kouření bylo spojeno se zvýšeným eAge v buňkách dýchacích cest a plicní tkáni (o 4,9 a 4,3 roku). Navíc vědci zjistili, že kouření během těhotenství může mít nepříznivý vliv na eAge u potomků. Neustále se objevují nové poznatky, ale je jasné, že epigenetické hodiny se ukázaly být přesné při předpovídání biologického věku.
Počátky návrhu hodin
První epigenetické hodiny zahrnovaly relativně málo CpG míst a vzorků ve svých tréninkových datových sadách ve srovnání s pozdějšími verzemi. Raní výzkumníci vytvořili hodiny z 68 vzorků (34 párů dvojčat), které předpovídaly věk ve slinách s průměrnou přesností 5,2 let. Po počátečních studiích se epigenetické hodiny staly složitějšími, pokud jde o počet vzorků, tkání a implementovaných CpG.
První prediktor věku pro více tkání — Horvathův nebo Pan-Tissue clock — použil 353 CpG a měl průměrnou chybu 3,6 roku, což bylo v té době bezprecedentní. Hodiny byly vyvinuty pomocí 8000 vzorků z 82 studií, včetně více než 50 zdravých tkání. Působivá velikost tréninkových dat představovala nový standard v návrhu hodin. Horvathovy hodiny si rychle získaly velkou oblibu ve vědecké komunitě díky své schopnosti předpovídat věk v různých tkáních s minimálním počtem CpG.
Evoluce designu
Horvathovy hodiny byly také použity k prokázání, že tkáně mohou stárnout různou rychlostí. Například se zdá, že mozková tkáň stárne pomaleji ve srovnání s jinými tkáněmi v těle. Nicméně hodiny nefungovaly konzistentně na kultivovaných buňkách, zejména fibroblastech. V důsledku toho se Horvath rozhodl vyvinout epigenetické hodiny, které by předpovídaly věk lidských fibroblastů, bukálních buněk, endotelových buněk, keratinocytů, lymfoblastoidních buněk, krve, kůže a vzorků slin. Tyto nové hodiny, nazvané hodiny kůže a krve (S&B), dokážou velmi přesně předpovědět jak in vivo, tak in vitro tkáně.
Jiní vědci později vyvinuli přesný prediktor věku kůže. Mezitím je Zhangův hodinový mechanismus, ačkoli byl primárně trénován na práci s krví, schopen předpovídat věk prsní, jaterní, tukové a svalové tkáně se stejnou přesností jako Horvathův hodinový mechanismus. Tento hodinový mechanismus také překonává jak Horvathův, tak Hannumův hodinový mechanismus, pokud jde o předpovídání věku krve. Vyniká velikostí svých tréninkových dat, která obsahují více než 13 000 vzorků.
Omezení a nepřesnosti
Některé nepřesnosti v epigenetických hodinách se staly zřejmými při předpovídání věku mladších lidí (do 20 let) a k řešení tohoto problému byly vytvořeny Pediatrické-Bukální-Epigenetické (PedBE) hodiny. Ty byly zaměřeny specificky na použití u novorozenců až do 20 let. To poskytuje dobrý příklad toho, jak lze zvýšit přesnost epigenetických hodin — nejen cílením na určité tkáně, ale také na specifické věkové skupiny. Nicméně, navzdory svému slibnému potenciálu, epigenetické hodiny stále trpí některými omezeními.
Většina epigenetických hodin závisí na drahém Illumina Infinium methylation array, což činí široké použití technologie eAge nepraktickým v oblasti objevování nových léků. Sekvenační platforma Qiagen umožňuje nákladově efektivnější přístup, ale má své vlastní nevýhody. Použití minimalizovaných hodin ve forenzní vědě se stále vyvíjí a pro většinu hodin chybí křížová validace. Výzkumníci ukázali, že jak Horvathovy, tak Hannumovy hodiny rutinně podceňují věk starších lidí.
Příslib pro budoucnost
Stručně řečeno, predikce eAge je vzrušující a rychle rostoucí nová oblast, která již radikálně transformovala svět experimentální gerontologie. Jak se zvyšuje počet a rozmanitost epigenetických hodin, tak se také zvyšuje lidské porozumění biologickému věku. Jsou to však stále počáteční dny. Ačkoli jsou lineární modely užitečné při predikci eAge jednotlivců ve věku mezi 20 a 70 lety, mimo tento věkový rozsah je přesnost slabší.
Vědci také experimentují s řadou dalších technik, které se nespoléhají výhradně na data DNAm. Složené hodiny jako PhenoAge a GrimAge jsou prvními kroky tímto směrem.
Reference:
1. Baker, G. T., & Sprott, R. L. (1988). Biomarkery stárnutí. Experimentální gerontologie, 23(4-5), 223–239
2. Bacalini, M. G., Deelen, J., Pirazzini, C., De Cecco, M., Giuliani, C., Lanzarini, C., Ravaioli, 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., Dollé, M. E. T., … Garagnani, P. (2017). Systémová věkem spojená hypermethylace DNA genu ELOVL2. In vivo a in vitro důkazy procesu replikace buněk. Journals of Gerontology - Series A Biological Sciences and Medical Sciences, 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). Savčí metylační pole pro profilování úrovní metylace na konzervovaných sekvencích. bioRxiv, 2021.01.07.425637.
4. Aliferi, A., Ballard, D., Gallidabino, M. D., Thurtle, H., Barron, L., & Syndercombe Court, D. (2018). Predikce věku na základě metylace DNA pomocí dat z masivně paralelního sekvenování a více modelů strojového učení. 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). Epigenetické asociace diabetu 2. typu a BMI v arabské populaci. 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). Kvantifikace biologického stárnutí u mladých dospělých. Proceedings of the National Academy of Sciences of the United States of America, 112(30), E4104–E4110.
7. Bergsma, T., & Rogaeva, E. (2020). Hodiny metylace DNA a jejich prediktivní schopnost pro fenotypy stárnutí a délku zdravého života. 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). Rychlejší tikání epigenetických hodin je spojeno s rychlejším pubertálním vývojem u dívek. Epigenetics, 13(1), 85–94.
9. Bocklandt, S., Lin, W., Sehl, M. E., Sánchez, F. J., Sinsheimer, J. S., Horvath, S., & Vilain, E. (2011). Epigenetický prediktor věku. PLoS One, 6(6), e14821.
10. Breitling, L. P., Saum, K.-U., Perna, L., Schöttker, B., Holleczek, B., & Brenner, H. (2016). Křehkost je spojena s epigenetickými hodinami, ale ne s délkou telomer v německé kohortě. Clinical Epigenetics, 8(1), 1–8.
