Orologi Epigenetici come Predittori dell'Età: Storia, Punti di Forza e Limiti

Sappiamo fin troppo bene che l'invecchiamento è il principale fattore di rischio per il cancro, le malattie cardiovascolari e le neurodegenerazioni. È frustrante notare come i progressi nella ricerca sull'invecchiamento siano stati ritardati per molti anni a causa della scarsa affidabilità degli strumenti utilizzati per prevedere il tasso di invecchiamento biologico dei pazienti. Per comprendere meglio il processo di invecchiamento e sviluppare interventi, il campo dell'anti-aging aveva bisogno di accedere a un sistema più efficace per misurare l'età biologica.

Ed è qui che entrano in gioco gli orologi epigenetici. Questi predittori dell'età, basati sulla metilazione del DNA (DNAm), hanno acquisito importanza nell'ultimo decennio circa, aprendo la strada a studi più quantitativi. Nuovi orologi e applicazioni, inclusa la medicina forense, vengono annunciati frequentemente. Rappresentano una vera e propria svolta, anche se gli aspetti precisi dell'invecchiamento catturati dagli orologi epigenetici rimangono poco chiari. Esaminiamo alcuni degli orologi epigenetici disponibili oggi e riassumiamo i loro punti di forza e di debolezza.

La DNAm è emersa come uno dei biomarcatori più efficienti per prevedere l'età biologica. Gli orologi epigenetici (noti anche come predittori dell'età basati sulla DNAm) vengono sviluppati utilizzando CpG (regioni del DNA) che cambiano con l'età. La maggior parte degli orologi è costruita utilizzando un modello di regressione penalizzata, che aiuta i ricercatori a selezionare gruppi rilevanti di CpG. Gli orologi vengono poi utilizzati per stimare l'età cronologica in base alla percentuale di metilazione in siti CpG chiave. Miglioramenti e nuove scoperte si susseguono a ritmo serrato.

Accelerazione dell'Età

Iniziamo esaminando l'accelerazione dell'età, che si riferisce alla differenza tra l'età epigenetica (eAge) e l'età cronologica (chAge). Questa è associata a diverse condizioni legate all'età. Ad esempio, i pazienti con obesità, sindrome di Down, malattia di Huntington, sindrome di Sotos e sindrome di Werner tendono a mostrare un'accelerazione dell'età aumentata. L'accelerazione dell'eAge è anche collegata alla forma fisica e cognitiva. La variazione nei tassi di invecchiamento epigenetico varia notevolmente a seconda del sesso e del background etnico.

Le persone con livelli sufficienti di vitamina D mostrano una minore accelerazione dell'eAge e telomeri leucocitari (LTL) più lunghi. Il fumo è stato collegato a un'eAge elevata nelle cellule delle vie aeree e nel tessuto polmonare (rispettivamente di 4,9 e 4,3 anni). Inoltre, i ricercatori hanno stabilito che fumare durante la gravidanza potrebbe avere un effetto dannoso sull'eAge della prole. Nuove scoperte vengono rivelate continuamente, ma è chiaro che gli orologi epigenetici si sono dimostrati accurati nel prevedere l'età biologica.

I Primi Giorni della Progettazione degli Orologi

I primi orologi epigenetici includevano relativamente pochi siti CpG e campioni nei loro set di dati di addestramento, rispetto alle versioni successive. I primi ricercatori crearono un orologio da 68 campioni (34 coppie di gemelli) che prediceva l'età nella saliva con un'accuratezza media di 5,2 anni. Dopo gli studi iniziali, gli orologi epigenetici aumentarono in complessità in termini di numero di campioni, tessuti e CpG implementati.

Il primo predittore dell'età multi-tessuto — l'orologio di Horvath o Pan-Tissue — utilizzava 353 CpG e aveva un errore medio di 3,6 anni, senza precedenti all'epoca. L'orologio fu sviluppato utilizzando 8000 campioni provenienti da 82 studi, inclusi più di 50 tessuti sani. L'impressionante dimensione dei dati di addestramento rappresentò un nuovo punto di riferimento nella progettazione degli orologi. L'orologio di Horvath guadagnò rapidamente un vasto seguito nella comunità scientifica grazie alla sua capacità di prevedere l'età in più tessuti utilizzando un numero minimo di CpG.

Evoluzione del Design

L'orologio di Horvath fu anche utilizzato per stabilire che i tessuti possono invecchiare a ritmi diversi. Ad esempio, sembra che il tessuto cerebrale invecchi più lentamente rispetto ad altri tessuti del corpo. Tuttavia, l'orologio non funzionava in modo coerente sulle cellule coltivate, in particolare sui fibroblasti. Di conseguenza, Horvath si mise a sviluppare un orologio epigenetico che prediceva l'età di fibroblasti umani, cellule buccali, cellule endoteliali, cheratinociti, cellule linfoblastoidi, sangue, pelle e campioni di saliva. Questo nuovo orologio, chiamato orologio pelle e sangue (S&B), può predire con grande accuratezza sia tessuti in vivo che in vitro.

Altri ricercatori svilupparono in seguito un predittore accurato dell'età della pelle. Nel frattempo, l'orologio di Zhang, sebbene addestrato principalmente per funzionare sul sangue, è in grado di prevedere l'età di tessuti mammari, epatici, adiposi e muscolari con lo stesso grado di accuratezza dell'orologio di Horvath. Questo orologio supera anche sia l'orologio di Horvath che quello di Hannum quando si tratta di prevedere l'età del sangue. Si distingue per la dimensione dei suoi dati di addestramento, con oltre 13.000 campioni.

Limitazioni e Inaccuratezze

Alcune inaccuratezze negli orologi epigenetici divennero evidenti quando si prevedeva l'età di persone più giovani (sotto i 20 anni), e l'orologio Pediatric-Buccal-Epigenetic (PedBE) fu creato per affrontare questo problema. Era specificamente destinato all'uso in neonati fino a ventenni. Questo fornisce un buon esempio di come l'accuratezza degli orologi epigenetici possa essere aumentata — non solo mirando a tessuti specifici, ma anche a gruppi di età specifici. Tuttavia, nonostante le loro promesse, gli orologi epigenetici soffrono ancora di alcune limitazioni al momento.

La maggior parte degli orologi epigenetici dipende da un costoso array di metilazione Illumina Infinium, il che rende l'applicazione diffusa della tecnologia eAge poco pratica nel campo della scoperta di nuovi farmaci. La piattaforma di sequenziamento Qiagen consente un approccio più conveniente, ma ha i suoi svantaggi. L'uso di orologi minimizzati in medicina forense è ancora in evoluzione e la cross-validazione manca per la maggior parte degli orologi. I ricercatori hanno dimostrato che sia l'orologio di Horvath che quello di Hannum sottostimano sistematicamente l'età delle persone anziane.

Promesse per il Futuro

In sintesi, la previsione dell'eAge è un campo nuovo, entusiasmante e in rapida crescita che ha già radicalmente trasformato il mondo della gerontologia sperimentale. Con l'aumentare del numero e della varietà degli orologi epigenetici, aumenta anche la comprensione umana dell'età biologica. Sono però ancora i primi giorni. Sebbene i modelli lineari siano utili per prevedere l'eAge di individui di età compresa tra i 20 e i 70 anni, l'accuratezza è inferiore al di fuori di queste età.

Gli scienziati stanno anche sperimentando una serie di altre tecniche che non si basano esclusivamente sui dati della DNAm. Orologi compositi come PhenoAge e GrimAge sono i primi passi in quella direzione.

Riferimenti:

1. Baker, G. T., & Sprott, R. L. (1988). Biomarkers of aging. Experimental Gerontology, 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., DollCrossed, M. E., … Garagnani, P. (2017). Systemic age-associated DNA hypermethylation of ELOVL2 Gene. In vivo and in vitro evidences of a cell replication process. 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). A mammalian methylation array for profiling methylation levels at conserved sequences. bioRxiv, 2021.01.07.425637.

4. Aliferi, A., Ballard, D., Gallidabino, M. D., Thurtle, H., Barron, L., & Syndercombe Court, D. (2018). DNA methylation-based age prediction using massively parallel sequencing data and multiple machine learning models. 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). Epigenetic associations of type 2 diabetes and BMI in an Arab population. 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). Quantification of biological aging in young adults. Proceedings of the National Academy of Sciences of the United States of America, 112(30), E4104– E4110.

7. Bergsma, T., & Rogaeva, E. (2020). DNA methylation clocks and their predictive capacity for aging phenotypes and healthspan. 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). Faster ticking rate of the epigenetic clock is associated with faster pubertal development in girls. Epigenetics, 13(1), 85– 94.

9. Bocklandt, S., Lin, W., Sehl, M. E., Sánchez, F. J., Sinsheimer, J. S., Horvath, S., & Vilain, E. (2011). Epigenetic predictor of age. PLoS One, 6(6), e14821.

10. Breitling, L. P., Saum, K.-U., Perna, L., Schöttker, B., Holleczek, B., & Brenner, H. (2016). Frailty is associated with the epigenetic clock but not with telomere length in a German cohort. Clinical Epigenetics, 8(1), 1– 8.