Richtlinien zur Einreichung von Proben
Welche Methylierungsplattform passt zu Ihrem Uhrenziel?
Jedes Uhrenprojekt beginnt mit der gleichen praktischen Frage: Welche Methylierungsdaten benötige ich und wie viel Abdeckung ist ausreichend für eine zuverlässige Altersvorhersage? Die Antwort hängt davon ab, ob Sie neue altersassoziierte CpGs entdecken, eine bestehende Uhr auf Ihre Kohorte anwenden oder ein definiertes Markerset validieren. Die folgende Tabelle ordnet jede Plattform dem Anwendungsfall der Uhr zu, den sie am besten bedient, sowie den Kompromissen, die das Studiendesign und die Budgetplanung beeinflussen.
| Plattform | Abdeckungsprofil | Beste Passform für Uhrenforschung | Praktische Überlegungen |
|---|---|---|---|
| Whole-Genome-Bisulfid-Sequenzierung (WGBS) | Genomweite, Einzelbasisauflösung, die alle CpG-, CHG- und CHH-Kontexte abdeckt | Entdeckung der ersten Generation von Uhren, Multigewebe-Modelle, die Entwicklung von Uhren über Arten hinweg und Projekte, bei denen neuartige altersassoziierte Loci identifiziert werden müssen, anstatt angenommen zu werden. | Höhere Sequenzierungskosten und DNA-Eingabe (500 ng – 1 µg); bietet die umfassendste Methylom-Basislinie für Modelle, die nicht voraussetzen, welche CpGs wichtig sind. |
| Reduzierte Repräsentation Bisulfid-Sequenzierung (RRBS) / EM-seq | CpG-dichte regulatorische Regionen — Promotoren, CpG-Inseln, Enhancer — angereichert durch Restriktionsverdau (RRBS) oder enzymatische Umwandlung (EM-seq) | Regulatorisch ausgerichtete Uhrprofilierung, promoterzentrierte Alterungsmodelle und Projekte, die ein kosteneffizientes Gleichgewicht zwischen Breite und Sequenzierungstiefe pro Probe benötigen. | Geringere Abdeckung außerhalb von CpG-Inseln; EM-seq bietet eine sanftere Umwandlungschemie als Bisulfit, was die Daten aus minderwertigem DNA-Startmaterial verbessert. |
| Gezielte Bisulfid-Sequenzierungs-Panels | Ausgewählte bekannte Uhr-CpGs oder benutzerdefinierte altersassoziierte Markersets bei ultra-hoher Sequenzierungstiefe | Validierungsstudien, großangelegte Kohorten-Screenings, cfDNA-basierte Uhrenforschung und kosteneffiziente Bereitstellung von maßgeschneiderten Marker-Panels, wenn die Uhr-CpGs bereits etabliert sind. | Erfordert eine vorhandene Marker-Liste; höchste Kosteneffizienz für Screening im Kohortenmaßstab; ultra-tiefe Abdeckung ermöglicht eine zuverlässige Erkennung an Stellen mit partieller Methylierung. |
| DNA-Methylierungs-Arrays (Infinium EPIC v2 / 935K) | 935.000+ vordefinierte CpG-Sonden mit standardisiertem, gut annotiertem Inhalt, optimiert für die Analyse der menschlichen Methylierung | Kompatibilität mit etablierten array-trainierten Uhren (Horvath, Hannum, GrimAge, DunedinPACE), großen klinischen oder epidemiologischen Kohorten, Meta-Analysen über Studien hinweg und longitudinalen Vergleichen | Festgelegte Probeninhaltsgrenzen schränken die Entdeckung neuer Marker ein; höchste Standardisierung über Chargen und Labore hinweg; umfangreiche veröffentlichte Uhrenmodelle, die auf der Infinium-Plattform basieren. |
| Native Long-Read Methylierungsprofilierung (Nanopore) | Einzelmolekül-Methylierungsnachweis über lange DNA-Fragmente ohne Bisulfit-Konversion, wobei native Basismodifikationen erhalten bleiben. | Haplotype-resolute Methylierungsanalyse, Entdeckung von Uhren in repetitiven Regionen, kombinierte genetisch-epigenetische Untersuchung aus einem einzigen Test und Projekte, bei denen die durch Bisulfit induzierte Zersetzung die Datenqualität beeinträchtigt. | Höhere Fehlerquote pro Basis im Vergleich zu Kurzlese-Bisulfidmethoden; am besten anwendbar, wenn der langfristige Methylierungskontext (Haplotyp-Phasierung, Transposon-Stilllegung, Methylierung von Satellitenwiederholungen) eine spezifische biologische Frage adressiert. |
Uhrforschungs-Szenarien, die wir unterstützen
Die Forschung zur epigenetischen Uhr umfasst ein breites methodologisches Spektrum – von der Anwendung etablierter menschlicher Uhren in klinischen Kohorten bis hin zur Entwicklung neuartiger altersbezogener Modelle für mehrere Arten. Die richtige Plattform, die Qualitätskontrollstrategie und die Analysepipeline variieren je nach Szenario. Im Folgenden beschreiben wir die Konfigurationen, die wir unterstützen, und die Entscheidungen, die wir zu Projektbeginn treffen, um den Arbeitsablauf an die Forschungsfrage anzupassen.
Vergleich des biologischen Alters zwischen Behandlungs- und Krankheitsgruppen
- Profilieren Sie die Methylierungsniveaus in Fall-Kontroll-, longitudinalen oder Interventionskohorten, um biologische Altersverläufe oder epigenetische Altersbeschleunigung (EAA) zu vergleichen.
- Lieferung umfasst beta-Wert-Matrizen auf Probenebene, die für statistische Modellierung formatiert sind, gruppenweise Altersbeschleunigungszusammenfassungen und Korrelationsdiagramme.
- Plattformempfehlung: Methylierungsarrays für die Kompatibilität mit dem etablierten menschlichen Rhythmus; gezielte Panels für fokussierte Marker-Sets.
Entwicklung eines benutzerdefinierten Uhrenmodells
- Identifizieren Sie altersassoziierte CpGs aus genombreiten oder reduzierten Repräsentations-Methylierungsdaten und trainieren Sie ein projektspezifisches Uhrenmodell, das auf die Altersgruppe, den Gewebetyp und die Art Ihrer Kohorte abgestimmt ist.
- Unterstützen Sie Elastic Net, Random Forest und andere Regressionsstrategien, die basierend auf der Anzahl der Proben, CpG-Features und der beabsichtigten Modellinterpretierbarkeit ausgewählt werden.
- Plattformempfehlung: WGBS (maximale Entdeckungsbreite) oder RRBS/EM-seq (Fokus auf regulatorische Regionen mit kontrolliertem Sequenzierungsbudget).
Uhrvalidierung und Kohorten-Screening mit gezielten Markern
- Sobald die CpG-Liste der Uhr definiert ist – sei es aus veröffentlichter Literatur, array-basierter Schulung oder früheren Entdeckungen – profilieren Sie diese spezifischen Loci mit hoher Tiefe in Validierungs- oder Screening-Kohorten.
- Bewerten Sie die Konsistenz zwischen den Proben, die Abdeckung pro CpG, die Fehlerraten und die Batch-Struktur, bevor Sie die Uhrvorhersagen in die Analyse integrieren.
- Plattformempfehlung: gezielte Bisulfit-Sequenzierungs-Panels oder Multiplex-Amplicon-Ansätze.
Array-basierte Uhrenanalyse mit etablierten Modellen
- Proben auf der Illumina Infinium-Plattform mit Qualitätskontrolle auf Probenebene, funktioneller Normalisierung und Erstellung einer Beta-Wert-Matrix verarbeiten, die für etablierte Uhrenrechner formatiert ist.
- Kompatibel mit der Horvath-Multi-Gewebe-Uhr, der Hannum-Uhr, GrimAge, DunedinPACE, PhenoAge und anderen array-trainierten Modellen.
- Plattformempfehlung: Infinium EPIC v2 / 935K Methylierungs-Mikroarray.
Wenig aufwendige und herausfordernde Probenarten
- Forscher, die mit FFPE-archivierten Geweben, plasma-abgeleitetem cfDNA, Laser-Mikrodissektion-Material oder begrenzten Biopsieproben arbeiten, benötigen eine Plattform, die niedrige DNA-Eingaben und partielle Fragmentierung toleriert.
- Wir bewerten den DNA-Ertrag, die Fragmentgrößenverteilung, die Bibliothekskomplexität und das Risiko der Abdeckung pro CpG, bevor wir uns für einen bestimmten Testweg entscheiden, und passen den Analyseplan an, um gegebenenfalls eine erhöhte Fehlstellenrate an zeitrelevanten Loci zu berücksichtigen.
- Plattformempfehlung: RRBS oder gezielte Panels (niedrig-input-tolerant); EM-seq für FFPE-Proben (sanftere enzymatische Umwandlung).
Multi-Omics-Forschung zum Altern
- Integrieren Sie die Ausgaben der DNA-Methylierungsuhr mit Transkriptom-, Ganzgenom-, Proteom-, Metabolom- oder Gesundheitsphänotypdaten aus derselben Kohorte, um ein systemisches Bild der Altersbiologie zu erstellen.
- Unser Epigenomik-Datenanalyse-Service unterstützt die multimodale Integration, die Entdeckung von Biomarkern über Omik-Schichten hinweg und die interpretation von altersassoziierten molekularen Veränderungen auf Pfadebene.
- Plattformempfehlung: Alle Methylierungsplattformen sind kompatibel; die Integrationsstrategie wird während der Projektplanungsphase basierend auf den verfügbaren Datentypen festgelegt.
Muster-Eingabebedürfnisse und QC-Richtlinien
Die Probenqualität und die Eingangsmenge sind die am häufigsten unterschätzten Variablen in Projekten zu Methylierungsuhren. Ein Modell, das auf 500 ng hochintegrer gDNA trainiert wurde, wird nicht auf die gleiche Weise mit Daten aus degradiertem oder niedrig-ertragendem Material funktionieren. Wir bewerten jede Probe anhand plattformspezifischer Schwellenwerte vor der Bibliotheksvorbereitung und passen den Analyseplan der Uhr an, wenn die Probenqualität außerhalb des optimalen Bereichs liegt.
| Probenart | Empfohlener Eingangsbereich | Kritische QC-Parameter | Hinweise zur Plattformkompatibilität |
|---|---|---|---|
| Hochwertige genomische DNA (frisches oder schockgefrorenes Gewebe, Blut, kultivierte Zellen) | WGBS: 500 ng – 1 µg; RRBS/EM-seq: 50–100 ng; gezielte Panels: 10–50 ng; Methylierungsarrays: 250–500 ng | Konzentration (fluorometrisch), A260/280 (1,8–2,0), A260/230 (≥1,8), Integrität hoher Molekulargewichte durch Gel oder TapeStation | Geeignet für alle Plattformen; empfohlen als primärer Proben-Typ für Entdeckungsphasen und WGBS-basierte Uhrenprojekte. |
| FFPE-abgeleitetes DNA | ≥200 ng, wenn verfügbar; die Durchführbarkeit hängt von der Fragmentgrößenverteilung und der Amplifizierbarkeit ab. | Degradationsindex, Bisulfit-Umwandlungseffizienz, Erfolgsquote der Amplifikation pro Locus, Risiko fehlender CpG | EM-seq (enzymatische Umwandlung, sanfter als Bisulfit) oder RRBS empfohlen; WGBS ist allgemein nicht geeignet; die Analysepipeline erfordert eine abdeckungsbewusste Filterung und Überprüfung der Imputation. |
| Zellfreies DNA (Plasma, Serum) | Typischerweise 2–4 mL Plasmaäquivalent; cfDNA-Eingang von 1–30 ng nach der Extraktion | cfDNA-Fragmentgrößenverteilung (Peak bei ~166 bp), Bibliothekskomplexität, Adapter-Dimer-Kontamination, Endreparatureffizienz | Gezielte Bisulfid-Panels oder Ultra-Niedrig-Eingabe-RRBS-Workflows werden stark bevorzugt; Ganzgenomansätze erfordern erhebliche Optimierungen und erreichen möglicherweise nicht die ausreichende Abdeckung an zeitlich relevanten Loci. |
| Vorhandene Methylierungsdatensätze | FASTQ, IDAT, verarbeitete Beta-Wert-Matrix oder per-CpG-Abdeckungs Tabellen | Metadatenvollständigkeit, Genom-Bauversion, Array-Plattformversion (450K/EPIC/EPICv2), Kompatibilität der Sondenannotation, Batch-Struktur, alters- und phänotypbezogene Daten auf Probenebene | Geeignet für eine Wiederanalyse mit alternativen Zeitmodellen, die Harmonisierung über Kohorten hinweg, Meta-Analysen oder die Integration mit neu generierten Daten aus derselben Kohorte. |
End-to-End DNA-Methylierungsuhr-Workflow
Von der Projektplanung und der Qualitätskontrolle der Proben über die Methylierungsbestimmung, Normalisierung bis hin zur Schätzung des biologischen Alters.
Primäranalyse — Sequenz-QC, Ausrichtung und Datenüberprüfung
- Leseniveau-Qualitätsinspektion: Basisqualitätswerte, Adapterinhalte, Sequenzduplikation und methylierungsspezifische Verzerrung (Bisulfidkonversionsrate, Strangspezifität).
- Adapter-Trimming und Entfernung von minderwertigen Basen mit projektspezifischen Parametern, die die Methylierungsinformationen bewahren.
- Bisulfite-sensible Ausrichtung auf das ausgewählte Referenzgenom (hg38, mm39 oder benutzerdefinierte nicht-menschliche Referenz) unter Verwendung validierter Ausrichtungsprogramme. Array-Daten unterliegen einer Qualitätskontrolle auf Probenebene, einschließlich der Erkennung von P-Werten, Filterung der Perlenanzahl und Überprüfung der Kontrollproben.
Sekundäranalyse — Methylierungsaufruf, Abdeckungsfilterung und Zusammenstellung der Merkmalsmatrix
- Bestimmung des Methylierungsstatus an jedem CpG-Stelle (und im Nicht-CpG-Kontext, wo das Uhrenmodell es erfordert).
- Abdeckungsbasiertes CpG-Filtering: Loci unterhalb der minimalen Lesetiefe werden markiert, und die Auswirkungen auf die Vollständigkeit des Uhrenmodells werden bewertet.
- Beta-Wert-Matrix-Generierung, genomische Annotation (Promotoren, Genkörper, Enhancer, CpG-Inseln, Shores, Shelves), Bewertung von Batch-Effekten mittels Hauptkomponentenanalyse und Normalisierung (Quantil-, BMIQ- oder funktionale Normalisierung je nach Plattform und Kohortenstruktur).
Tertiäre Uhranalyse — Schätzung des biologischen Alters, Modelltraining und Interpretationsunterstützung
Wir konvertieren normalisierte Methylierungsprofile in das Eingabeformat, das vom Ziel-Uhrmodell benötigt wird. Für Projekte, die etablierte Uhren verwenden, wenden wir veröffentlichte Koeffizienten (Horvath, Hannum, GrimAge, DunedinPACE, PhenoAge oder andere) an und berichten über das vorhergesagte Alter, EAA und modell-spezifische Metriken. Für die Entwicklung benutzerdefinierter Uhren unterstützen wir die Merkmalsauswahl, das Training von Elastic Net- oder Random Forest-Modellen, Kreuzvalidierung und Tests mit unabhängigen Kohorten. Die Ergebnisse umfassen Streudiagramme zur Altersvorhersage, die Clusterung von Proben nach vorhergesagtem Alter, Vergleiche der EAA-Gruppen und eine schriftliche Interpretation, die die Ergebnisse der Uhr im Kontext des Studiendesigns zusammenfasst. Wenn das Projekt Methylierungsdaten mit Transkriptom-, Genom- oder Phänotypinformationen kombiniert, kann unsere Analyse in die Integration von Multi-Omics übergehen.
Was unseren Uhrenservice besonders macht
Plattformwahl, die durch die Zeitfrage und nicht durch Standardarbeitsabläufe bestimmt wird.
Wir leiten nicht jedes Projekt über dieselbe Methylierungsplattform. WGBS ist nicht automatisch die beste Wahl (es kann unnötig kostspielig für eine fokussierte GrimAge-Studie sein), und gezielte Panels sind für Entdeckungsprojekte nicht geeignet. Unser wissenschaftliches Team überprüft das Ziel der Uhr, den Proben-Typ, die Kohortengröße, die Art und die Altersstruktur, bevor es eine Plattform empfiehlt, um sicherzustellen, dass die generierten Daten zur Modellstrategie passen.
QC-Kriterien, die für die Zuverlässigkeit von Uhren entwickelt wurden, nicht nur für die Sequenzierungsqualität.
Standard-Methylierungs-Pipelines bewerten die Bibliothekskomplexität, die Ausrichtungsrate und die Umwandlungseffizienz. Unsere Pipeline geht einen Schritt weiter: Wir bewerten die CpG-Abdeckung an zeitrelevanten Loci, schätzen das Risiko fehlender Daten für jede Probe, quantifizieren die Batch-Struktur über Kohorten hinweg und kennzeichnen Proben, deren Abdeckungsprofil die Modellleistung beeinträchtigen könnte. Diese spezifischen QC-Schritte für die Uhr sind der Unterschied zwischen einem Methylierungsdatensatz und einem uhrbereiten Datensatz.
Flexible Bioinformatik, die sowohl etablierte als auch neuartige Methoden zur Zeitmessung unterstützt
Egal, ob Sie einen veröffentlichten Uhrrechner ausführen, ein neues Modell aus Kohortendaten trainieren, Methylationsmatrizen über Chargen hinweg harmonisieren oder Uhrenausgaben mit transkriptomischen oder genetischen Daten aus denselben Proben kombinieren müssen, unser bioinformatisches Pipeline-System ist so strukturiert, dass es sich an den Analyseplan anpasst, anstatt die Daten durch eine feste Berichtsvorlage zu zwingen. Wir unterstützen auch die Analyse vorhandener Methylationsdaten von Drittanbietern, wodurch unser Service für Forscher zugänglich wird, die bereits Array- oder Sequenzierungsdaten generiert haben und eine uhrenspezifische Verarbeitung benötigen.
Demo-Ergebnisse: Was ein Lieferpaket für eine Uhr enthalten kann
Die folgenden Beispiele veranschaulichen die Arten von Ergebnissen, die während eines typischen Projekts zur DNA-Methylierung-Uhr generiert werden. Die tatsächlichen Ergebnisse variieren je nach ausgewählter Plattform, angewendetem Uhrenmodell und Umfang der angeforderten bioinformatischen Unterstützung.
Demo 1: Methylierungs-Beta-Wert-Matrix und CpG-Abdeckungs-QC
Nach der Ausrichtung und der Methylierungsbestimmung wird der CpG-Level-Methylierungsstatus jeder Probe in eine Beta-Wert-Matrix kompiliert. Ein Qualitätskontrollbericht zur Abdeckung kennzeichnet Loci mit unzureichender Lesetiefe, Anomalien bei der Umwandlungsrate und Mustern fehlender Daten auf Probenebene, bevor die Daten in das Eingangsformat des Uhrmodells eingegeben werden.
Dieser QC-Schritt ist besonders wichtig für Uhrprojekte, da fehlende CpGs an modellrelevanten Loci die geschätzten Alterswerte verschieben können, selbst wenn der Rest der Daten einwandfrei erscheint.
Demo 2: Vorhersage des biologischen Alters und Vergleich der EAA-Gruppen
Nach der Anwendung des Zieluhrmodells wird das vorhergesagte biologische Alter gegen das chronologische Alter für jede Probe aufgetragen. Die gruppenbezogene epigenetische Altersbeschleunigung (EAA) wird als Residuum des biologischen Alters, das auf das chronologische Alter regressiert wird, berechnet und zwischen den experimentellen Gruppen verglichen.
Die Ausgaben umfassen Streudiagramme mit Regressionslinien, EAA-Boxplots nach Gruppen und eine Zusammenfassungstabelle, die R², den medianen absoluten Fehler und den durchschnittlichen EAA pro Gruppe berichtet.
Demo 3: Training eines benutzerdefinierten Uhrenmodells und Kreuzvalidierung
Für Projekte, die benutzerdefinierte Uhren entwickeln, umfassen die Ergebnisse des Modelltrainings Kreuzvalidierungsergebnisse von Elastic Net oder Random Forest, ausgewählte CpG-Feature-Listen mit Koeffizienten oder Wichtigkeitsscores, Streudiagramme zur Korrelation zwischen Training und Test sowie die Validierungsleistung in unabhängigen Kohorten, sofern Daten verfügbar sind.
Die Modellkoeffizienten und die CpG-Feature-Liste sind dokumentiert für eine potenzielle Anwendung in zukünftigen Kohorten.
Häufig gestellte Fragen
1. Welche Methylierungsplattform sollte ich für mein Projekt zur DNA-Methylierungsuhr wählen?
Beginnen Sie damit, zu fragen, was Sie von der Uhr benötigen: die Entdeckung neuartiger altersassoziierter CpGs, die Anwendung eines etablierten Modells oder die Validierung eines definierten Marker-Sets. WGBS deckt das gesamte Methylom ab und ist geeignet, wenn Sie nicht vorhersagen können, welche Loci Altersinformationen enthalten. RRBS oder EM-seq bieten eine effiziente Abdeckung regulatorischer Regionen zu geringeren Kosten. Arrays bieten direkte Kompatibilität mit veröffentlichten menschlichen Uhrenmodellen (Horvath, GrimAge, DunedinPACE). Zielgerichtete Panels bieten die höchste Kosteneffizienz, wenn die Liste der Uhr-CpGs bereits bekannt ist. Wir überprüfen diese Faktoren mit Ihnen in der Projektplanungsphase, um sowohl Überengineering als auch Unterdimensionierung der Daten zu vermeiden.
Kann CD Genomics vorhandene Methylierungsdaten für die Uhrenanalyse verarbeiten?
Ja. Wir akzeptieren FASTQ-Dateien von Bisulfid-Sequenzierungsexperimenten, IDAT-Dateien von Infinium-Arrays, verarbeitete Beta-Wert-Matrizen oder per-CpG-Abdeckungs-Tabellen. Die Anforderungen sind, dass die Metadaten den Genomaufbau, die Probe- oder Lokusannotation, Informationen zur Probenzuordnung und das chronologische Alter, wo verfügbar, enthalten. Anschließend wenden wir unsere uhrenspezifische Qualitätskontrolle, Normalisierung und Modellpipeline an, um biologische Altersabschätzungen und EAA-Metriken aus den vorhandenen Daten zu generieren.
3. Unterstützen Sie die Analyse epigenetischer Uhren bei nicht-menschlichen Arten?
Ja, vorausgesetzt, ein Referenzgenom ist für die Art verfügbar. Für nicht-menschliche Modelle können wir Methylierungslesungen an das entsprechende Referenzgenom anpassen, CpG-Methylierung im gesamten Genom aufrufen und altersassoziierte Marker identifizieren. Das Training eines maßgeschneiderten Altersmodells erfordert eine ausreichende Stichprobengröße und Altersspanne für die statistische Power – dies bewerten wir während der Projektplanungsphase. Die Entwicklung von Altersmodellen über Arten hinweg (z. B. die Übertragung eines menschlichen Modells auf ein Primatenmodell oder den Aufbau eines mausspezifischen Altersmodells) ist ein Bereich aktiver methodologischer Unterstützung.
4. Was passiert, wenn wichtige Uhr-CpGs in meinen Daten eine niedrige oder fehlende Abdeckung aufweisen?
Unser Pipeline kennzeichnet niedrige Abdeckung und fehlende Uhr-CpGs im QC-Bericht vor der Modellerstellung. Je nach Umfang und Muster der Fehlenden können wir eine abdeckungsbasierte Filterung empfehlen (Entfernen von CpGs mit >N% Fehlenden über die Proben hinweg), Imputation unter Verwendung von benachbarten CpG-Korrelationen, ein gezieltes Nachsequenzierungs-Panel zur Rettung der kritischen Loci oder eine Plattformanpassung für nachfolgende Kohorten. Der Ansatz ist im Lieferbericht dokumentiert, damit die Modellausgabe mit angemessener Vorsicht interpretiert werden kann.
5. Können FFPE- oder cfDNA-Proben für Uhrenstudien verwendet werden?
Diese Probenarten können einbezogen werden, jedoch muss die Durchführbarkeit des Projekts für jede Probe einzeln bewertet werden. Wichtige Faktoren sind der DNA-Ertrag, die Fragmentgrößenverteilung, die Bisulfit-Konversionsrate (für FFPE) und die Bibliothekskomplexität (für cfDNA). Wir führen eine Machbarkeitsbewertung der Vorbibliothek mit einer kleinen Aliquote des Probenmaterials durch, bevor wir uns für die vollständige Verarbeitung entscheiden. Für Proben, die die Bewertung bestehen, empfehlen wir in der Regel RRBS, EM-seq oder gezielte Panels anstelle von WGBS, da diese Methoden niedrigere Eingangsmenge und partielle Fragmentierung effektiver tolerieren.
6. Was ist der Unterschied zwischen biologischem Alter und epigenetischer Altersbeschleunigung?
Biologisches Alter bezieht sich auf das vorhergesagte Alter, das aus dem Methylierungsuhr-Modell abgeleitet wird und von dem chronologischen Alter abweichen kann. Epigenetische Altersbeschleunigung (EAA) ist der Residuum des biologischen Alters, das auf das chronologische Alter regressiert wird – das heißt, der Bestandteil des vorhergesagten Alters, der nicht durch das chronologische Alter des Probanden erklärt werden kann. Positive EAA zeigt an, dass das Methylierungsprofil der Probe biologisch älter erscheint als erwartet. EAA ist die Kennzahl, die am häufigsten in Bezug auf Gesundheitsaus outcomes, Lebensstilfaktoren, Umwelteinflüsse und Interventionseffekte in uhrbasierten Studien getestet wird.
7. Welche bioinformatischen Unterstützungen stehen für das Training von benutzerdefinierten Uhrmodellen zur Verfügung?
Wir unterstützen Elastic Net Regression (die am häufigsten verwendete Methode in der Uhrenentwicklung), Random Forest und andere maschinelle Lernansätze, abhängig von der Kohortengröße, der Anzahl der CpG-Features und den Anforderungen an die Modellinterpretierbarkeit. Unsere Unterstützung umfasst die Merkmalsauswahl, das Design der Trainings-, Validierungs- und Testaufteilung, die Feinabstimmung der Parameter durch Kreuzvalidierung, die Bewertung der Modellleistung (Korrelation mit dem Alter, mediane absolute Fehler, Residuen) und die Validierung unabhängiger Kohorten, wo Daten verfügbar sind. Die trainierten Modellkoeffizienten werden dokumentiert, um eine potenzielle Verwendung in nachfolgenden Projekten zu ermöglichen.
Fallstudie: DunedinPACE — Ein Multi-System-Methylierungsbiomarker des Alterns.
Fall der Open-Access-Literatur
Hintergrund
Belsky und Kollegen entwickelten DunedinPACE, einen DNA-Methylierungsbiomarker, der darauf abzielt, das Tempo des biologischen Alterns aus einer einzigen Blutprobe zu erfassen. Die Studie verwendete die Dunedin longitudinale Geburtskohorte, die 1.037 Personen umfasst, die 1972–1973 in Dunedin, Neuseeland, geboren wurden, mit wiederholten physiologischen Messungen über vier Zeitpunkte, die sich über zwei Jahrzehnte erstrecken (Alter 26, 32, 38 und 45 Jahre). Der Phänotyp des Alterns wurde als die Rate des Rückgangs über 19 Indikatoren der Integrität von Organsystemen berechnet, die die kardiovaskulären, metabolischen, renalen, immunologischen, zahnmedizinischen, pulmonalen und kognitiven Systeme abdecken.
Methoden
Die Studie verwendete Elastic Net-Regression auf Illumina 450K- und EPIC-Array-Daten, um CpG-Stellen auszuwählen, deren kombinierte Methylierungssignatur am stärksten das multi-systemische Tempo des Alterns vorhersagte. Das Modelltraining und die Validierung wurden innerhalb der Dunedin-Kohorte unter Verwendung wiederholter Messungen über vier Zeitpunkte durchgeführt, und das endgültige Modell wurde in fünf unabhängigen Validierungskohorten aus den USA und Europa getestet.
Ergebnisse
Das resultierende DunedinPACE-Maß wählte 173 CpG-Stellen aus und zeigte eine hohe Test-Retest-Zuverlässigkeit (Intraklassenkorrelation > 0,9). Es war mit Morbidität, Behinderung und Mortalität in unabhängigen Validierungskohorten assoziiert und fügte eine inkrementelle Vorhersage über die GrimAge-Uhr für inzidente Krankheiten und Mortalitätsausgänge hinzu. DunedinPACE erkannte auch eine schnellere biologische Alterung bei jungen Erwachsenen, die in der Kindheit Widrigkeiten erlebt hatten, und zeigte damit Sensibilität für soziale Determinanten des Alterns in der frühen Lebensphase.
Abbildung 1 von Belsky et al., eLife 2022 (CC BY 4.0).
Bedeutung für Uhrenforschungsprojekte
Für Forscher, die Uhr-Studien in ihren eigenen Kohorten planen, veranschaulicht die DunedinPACE-Studie zwei Prinzipien, die das Design von Dienstleistungsprojekten direkt beeinflussen. Erstens ist die Uhr nur so robust wie die phänotypischen Daten: Das Training gegen den longitudinalen multi-systemischen Rückgang ergab einen Biomarker mit funktionaler Interpretierbarkeit, den das Training nur gegen das chronologische Alter nicht erfasst hätte. Zweitens muss die Methylierungsplattform (hier das Infinium 450K/EPIC-Array) mit der Modellstrategie im Hinterkopf ausgewählt werden – die DunedinPACE-Koeffizienten sind array-spezifisch und können nicht ohne sorgfältige plattformübergreifende Normalisierung und Validierung direkt auf WGBS- oder gezielte Panel-Daten übertragen werden.
DunedinPACE, ein DNA-Methylierungs-Biomarker für das Tempo des Alterns.
Referenzen
- Horvath S. DNA-Methylierungsalter von menschlichen Geweben und Zelltypen. Genomik Biologie2013;14:R115.
- Lu AT, Quach A, Wilson JG, Reiner AP, Aviv A, Raj K, et al. DNA-Methylierung GrimAge sagt stark die Lebensdauer und die Gesundheitsdauer voraus. Altern2019;11:303–327.
- Belsky DW, Caspi A, Corcoran DL, Sugden K, Poulton R, Arseneault L, et al. DunedinPACE, ein DNA-Methylierungsbiomarker für das Tempo des Alterns. eLife. 2022;11:e73420.
- Bell CG, Lowe R, Adams PD, Baccarelli AA, Beck S, Bell JT, et al. DNA-Methylierungs-Alterungsuhren: Herausforderungen und Empfehlungen. Genomik Biologie2019;20:249.
